DDSA: 공간-시간 효율성을 위한 이중 영역 전략적 공격 - 적대적 견고성 테스트

DDSA: Dual-Domain Strategic Attack for Spatial-Temporal Efficiency in Adversarial Robustness Testing

자원 제약적인 환경에서 작동하는 이미지 전송 및 처리 시스템은 미션 관련 객체 분류를 저해하는 적대적 공격에 큰 어려움을 겪습니다. 기존의 견고성 테스트 방법은 프레임별 분석 및 전체 이미지에 대한 공격을 통해 방대한 계산 자원을 요구하며, 이는 대규모 이미지 스트림을 즉시 처리해야 하는 환경에서는 비현실적입니다. 본 논문에서는 DDSA (Dual-Domain Strategic Attack)라는 자원 효율적인 적대적 견고성 테스트 프레임을 제안합니다. DDSA는 시간 선택성과 공간 정확성을 통해 테스트를 최적화합니다. 우리는 클래스 우선순위와 모델 불확실성을 기반으로 견고성 평가가 필요한 중요한 프레임을 식별하는 시나리오 기반 트리거 함수를 도입하고, 설명 가능한 AI 기술을 사용하여 목표 공격을 위한 영향력 있는 픽셀 영역을 찾습니다. 이러한 이중 영역 접근 방식은 공격 효과를 유지하면서 상당한 시간-공간 자원 절약을 달성합니다. 본 프레임은 계산 효율성이 미션 성공에 직접적인 영향을 미치는 자원 제약적인 실시간 환경에서 포괄적인 적대적 견고성 테스트를 실용적으로 구현할 수 있도록 지원합니다.

Image transmission and processing systems in resource-critical applications face significant challenges from adversarial perturbations that compromise mission-specific object classification. Current robustness testing methods require excessive computational resources through exhaustive frame-by-frame processing and full-image perturbations, proving impractical for large-scale deployments where massive image streams demand immediate processing. This paper presents DDSA (Dual-Domain Strategic Attack), a resource-efficient adversarial robustness testing framework that optimizes testing through temporal selectivity and spatial precision. We introduce a scenario-aware trigger function that identifies critical frames requiring robustness evaluation based on class priority and model uncertainty, and employ explainable AI techniques to locate influential pixel regions for targeted perturbation. Our dual-domain approach achieves substantial temporal-spatial resource conservation while maintaining attack effectiveness. The framework enables practical deployment of comprehensive adversarial robustness testing in resource-constrained real-time applications where computational efficiency directly impacts mission success.