本文へ移動
  • BTC $59,191 +2.2%
  • ETH $1,664 +1.5%
  • SOL $69.25 +1.5%
  • BNB $539.62 +2.6%
  • XRP $0.9167 +1.9%
  • DOGE $0.0543 +1.2%
  • ADA $0.1419 +1.1%

オンデバイスAI防御は、境界認識型モデル難読化において平均68.68%の成功率を達成する

Yihui Jin による 2026 年 10 月 19 日発表の論文では、Boundary-Aware Model Obfuscation(BMO)と呼ばれる防御手法が、敵対的攻撃に対して平均 68.68% の防御成功率を達成した。最も強力なベースライン防御は 22.32% にとどまった。この手法は、オンデバイス機械学習における弱点、すなわちデバイスが侵害されると、そのモデルが露呈し、攻撃者が他のデバイスを標的にしやすくなるという問題を狙い撃ちにしている。…

boundary-aware model obfuscation
Boundary-Aware Model Obfuscation Enhances Cross-Node Attack Defense

Yihui Jin による 2026 年 10 月 19 日公開の論文では、Boundary-Aware Model Obfuscation (BMO) と呼ばれる防御手法が、敵対的攻撃に対して平均 68.68% の防御成功率を達成しました。最も強力なベースライン防御は 22.32% にとどまりました。この手法は、デバイス上での機械学習における弱点を標的としています。すなわち、デバイスが侵害されると、そのモデルが露呈し、攻撃者が他のデバイスを標的にするのを助けてしまうという点です。

デバイス上で機械学習を実行することは、低レイテンシかつプライバシー保護という利点をもたらしますが、侵害が 1 台のデバイスにとどまらない可能性があります。攻撃者はアプリケーションをリバースエンジニアリングして、デプロイされたモデルへのホワイトボックスアクセスを獲得し、ピアデバイス上のモデルに関する知識を抽出できます。論文ではこれをクロスノード攻撃と呼び、1 台の侵害されたデバイスが脅威となりうると説明しています。

本記事は人工知能の支援を受けて作成され、編集チームによる確認を経ています。

Francesco Antonio Russo

Francesco Antonio Russoの記事一覧