All papers

EpiReal-Bench 用来量商用图像生成器会不会把虚假现实主张画成可信视觉证据。

ATLAS 是一个查询式 black-box 框架，用来构造诱发失败的对抗输入集合，供鲁棒性审计使用。

Jev 是 TypeSafe 的 System One 模型，把应用 state 和固定问题变成 Choice、Noul 或 Score 的类型化决策与概率。作者用官方 API 和可改训练的 NanoJev，考察它作为决策层时的操纵、泄露与双重用途。

StyleAT 用可调的 StyleGAN3 潜空间攻击 BoundStyle 对人脸识别做对抗训练，以抵抗一般语义编辑，并在评测中面对训练时未见的 DiffPrivate。

ALIBI 是针对 LLM 恶意软件分诊的语义掩护叙事攻击：不覆盖系统指令，而把仍可见的可疑静态证据重释成良性安全产品的预期行为。

OBELISK 把 Windows PE 恶意软件检测做成 YARA、EMBER-GBDT 与 Nebula 的顺序流水线，用来同时看检出、计算开销和对抗鲁棒性。

这是一项关于大语言模型自动化安全评审系统表面样式脆弱性的评估研究。

SPARED 是一套用于可解释 AI 生成图像检测的攻防强化学习流程，报告模型是 Qwen3.5-9B 上的第三轮防御器。

这篇论文研究了人类视觉感知与大模型分词处理机制之间的差异所导致的内容审核漏洞。

BITE 是黑盒风格操纵：在保持答案语义的同时，抬高 LLM 评审给出的分数。

FRA-Attack 是面向闭源 MLLM 的迁移式定向图像攻击。作者要解决的是：空间域局部对齐重复全局低频，代理梯度的高频成分又把更新拉向代理自身。

BadGraph 是面向文本属性图节点分类的黑盒通用攻击，用来检查同一套拓扑加文本扰动能否把 GNN reasoner 和 LLM reasoner 带向预定错误标签。