Blindfold：通过动作层操纵越狱具身 LLM
[Daily Paper] Blindfold: Jailbreaking Embodied LLMs via Action-level Manipulation
AI summary
论文提出 Blindfold，一种把攻击面从语言层移到动作层的具身 LLM 越狱方法，攻击成功率比现有最优基线高 53%。该方法用 Adversarial Proxy Planning 攻破本地替代 LLM，生成的行动序列在语言层看似无害、能通过文本安全过滤，却会产生有害的物理后果，并用基于规则的验证器确认其在现实中可执行。攻击在仿真器和一台真实的六自由度机械臂上得到验证。论文认为，现有语言层面的安全过滤对具身 AI 并不充分，且该攻击可跨平台泛化，指向架构层面的脆弱性，而动作层校验需要理解物理后果而不只是语言意图。