本論文では、機械学習システムに対する重大な脅威であるバックドア攻撃の中で、特に複数のターゲットクラスを持つ全てに対する攻撃（All-to-X attacks）の成功率を向上させる新しい戦略を提案しています。従来の研究は主に単一ターゲットの攻撃（All-to-One attacks）に焦点を当てていましたが、本研究ではこれまで低い成功率と見なされていたA2X攻撃が最先端の防御に対しても堅牢であることを示しました。提案する手法では、ターゲットクラスの割り当てとグループ化を最適化することで、CIFAR10、CIFAR100、Tiny-ImageNetにおける攻撃成功率を最大で28%改善し、平均改善値はそれぞれ6.7%、16.4%、14.1%となりました。この研究を通じてA2X攻撃に対する認識が高まり、今後の研究が促進されることを期待しています。