多流扰动攻击：通过并发任务干扰突破思考型 LLM 的安全对齐
Multi-Stream Perturbation Attack: Breaking Safety Alignment of Thinking LLMs Through Concurrent Task Interference
AI summary
研究者提出多流扰动攻击，通过在单个提示词中交织多个任务流生成叠加干扰，突破思考型 LLM 的安全对齐。该方法设计了多流交织、反转扰动和形状变换三种策略，分别通过并发任务交织、字符反转和格式约束扰乱思考过程。在 JailbreakBench、AdvBench 和 HarmBench 数据集上，该方法在 Qwen3 系列、DeepSeek、Qwen3-Max 和 Gemini 2.5 Flash 等主流模型上的攻击成功率超过多数方法。实验显示思考崩溃率和回复重复率最高分别达到 17% 和 60%，表明多流扰动不仅绕过安全机制，还会导致思考过程崩溃或输出重复。