この記事では、IoT（モノのインターネット）センサーデータを対象とした新しいブラックボックスバックドア攻撃手法について説明しています。センサーデータに基づく認識システムは、歩行による認証や人間の活動認識など、さまざまな応用で広く利用されていますが、深層学習モデルを用いることで、セキュリティのリスクが増大します。本研究では、入力データに最小限の摂動を加えることで成功する攻撃手法を実証分析し、他のポイズニング手法との性能や stealthiness に関する詳細な比較分析を行っています。また、攻撃の効果を減少させる可能性のある防御機構についても議論しています。