攻撃成功率（ASR）を超えて：医用画像モデルにおける敵対的転移可能性のマルチ指標評価

arXiv cs.CV / 2026/4/21

📰 ニュースSignals & Early TrendsIdeas & Deep AnalysisModels & Research

共有:

要点

研究者らは、医用画像モデルの敵対的脆弱性評価において攻撃成功率（ASR）だけに依存するのは不十分だと指摘しており、ASRは摂動の強さ、画像品質、アーキテクチャ間の転移可能性といった要素を無視すると述べています。
4つの医用画像データセット（PathMNIST、DermaMNIST、RetinaMNIST、CheXpert）に対し、CNNとVision Transformer（ViT）の両方を含む7モデルと7つの攻撃手法を、5段階の摂動予算で体系的に評価しました。
その結果、PSNRやSSIMのような知覚・歪み指標は互いに強い相関を示す一方で、ASRとは相関がほとんど見られないことが、CNNでもViTでも当てはまることが分かりました。
論文は、敵対的頑健性と転移可能性は「攻撃が成功するか」だけでなく「どのように成功するか」や関連するオーバーヘッドも含めたマルチ指標の評価枠組みで評価すべきだと結論づけています。
これにより、単一の二値指標では敵対的挙動を信頼性よく表現できない可能性が示され、医療AIがCNNからトランスフォーマー系へ移行する流れの中で重要な示唆を与えています。