视觉-语言-动作安全：威胁、挑战、评测与机制

Li 等人的 VLA 安全综述把机器人学习、对抗机器学习、AI 对齐与自主系统安全的研究整合为一个以时机为核心的框架，攻击与防御各分训练时和推理时两类。训练时攻击包括数据投毒和 BackdoorVLA、DropVLA 等后门；推理时攻击包括对抗贴片、跨模态扰动、语义越狱和动作冻结。防御方面，训练时的认证训练、对抗增强与数据溯源保证更强但难以应对部署后发现的新攻击，推理时的异常检测、运行时监控与控制屏障函数更自适应但受实时延迟约束。综述指出多数攻击论文只在仿真中评估，指标只统计任务成功率而忽略失败模式，并把已知漏洞映射到家庭操作、工业装配、手术机器人、自动驾驶、人机协作和无人机导航六个领域，最后提出认证鲁棒性、物理可实现防御等五个开放问题。