抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
視覚物体追跡(VOT)は,自律運転や知的監視システムのようなミッションクリティカルアプリケーションで広く採用されている。現在の実践において,データセット,バックボーンネットワーク,および訓練プラットフォームのような第三者資源は,高性能VOTモデルを訓練するために頻繁に使用される。これらの資源はある利便性をもたらすが,VOTモデルに新しいセキュリティ脅威を導入する。本論文では,訓練過程による焼戻しによって,敵対が隠れバックドアをVOTモデルに簡単に埋め込むことができるような脅威を明らかにした。特に,2つの損失を交互に最適化する単純だが効果的な少数ショットバックドア攻撃(FSBA)を提案した。1)隠れ特徴空間で定義された特徴損失,2)標準追跡損失。著者らは,バックドアがFSBAによって目標モデルに埋め込まれると,それが1つまたは2,3のフレームに現れるときでさえ,特定のオブジェクトの軌道を失うためにモデルをトリックできることを示している。ディジタルおよび物理世界設定の両者における攻撃を調べ,最先端のVOTトラッカーの性能を著しく劣化できることを示した。また,この攻撃は潜在的防御に耐性があり,潜在的バックドア攻撃に対するVOTモデルの脆弱性を強調した。【JST・京大機械翻訳】