Another 201papers do not have category tags yet and are not included in filtered results.
提出 STCA，对驾驶视频 VLM 构造可迁移的时空对抗扰动
提出监控深伪基准 CCDF，在统一编码后评测检测器对伪造犯罪事故录像的识别
Abstract提出消除格式捷径的监控深度伪造基准 CCDF，揭示现有检测器难以识别商用生成视频。
提出 ATLAS 用水平集估计恢复黑盒分类器的对抗输入集合
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。
提出收缩约束 SSM 安全头，认证嵌入扰动并检测越狱
给 SSM 安全头一个收缩条件，并在越狱检测上使用收缩正则的 S4 头。。
提出推理时 Unicode 归一化的检测器，识别遭字符级扰动的 AI 生成文本
DeBERTa-ConPara 是一个面向部署的 AI 文本检测器：DeBERTa-v3-large 在多数据集原始文本上训练，推理前做确定性 Unicode 归一化，用一个固定阈值面对没有目标域标签的场景。
检验合成数据来源识别是否等于再训练适配筛选
作者在金融风险文本上把来源识别和训练样本是否有用拆成两次测量，并写明这不是电信部署实验。
用词级归因指导同义词替换，翻转提示注入检测并验证越狱
Abstract作者称检测靠分散的词法线索。
提出 RemTraceNet，少样本识别图像是否经过指定去除流水线
提出 plan injection 攻击，植入良性伪装计划以绕过思维链监视器
Abstract论文指出模型会将外部上下文中的伪装计划改写为自身推理，使思维链监视器失效甚至反向合理化恶意行为。
提出内容不变样式包装，翻转安全评审器的判定
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。
提出 SinoGlyphBench，用配对字形混淆诊断中文审核稳定性
SinoGlyphBench是一个配对诊断基准，用来看内容审核在可还原的中文字形混淆下是否还保持原决定。
提出最小范数攻击集成，用鲁棒性曲线评测图像分类器
这篇工作把对抗鲁棒评测从单一 ε、固定集成，改成可按查询预算收紧的曲线估计。
提出 FRA-Attack，用频域对齐与梯度正则做可迁移定向视觉攻击
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。
提出 Vaporizer，用词法变换、翻译和释义破解 LLM 输出水印
Proposes the universal curved mesh patch UCGP, causing cross-task semantic bias in infrared vision-language models.
UCGP is a universal physical adversarial patch for infrared vision-language models. The question is: can a patch that can be attached and reused across samples cause stable semantic deviations in the infrared visual evidence shared by classification, description, and VQA. The patch is constrained to a low-frequency curved mesh.
Propose BadGraph, jointly perturbing the topology and node text of text-attributed graphs under black-box settings
BadGraph is a black-box universal attack for node classification on text-attributed graphs, used to check whether the same topology plus text perturbation can drive both GNN reasoners and LLM reasoners toward predetermined wrong labels.
Propose GDA, which aligns image adversarial perturbations with text-grounded evidence and transfers attacks to vision-language models
GDA is a zero-query black-box encoder transfer attack for heterogeneous LVLMs.
提出 BOCLOAK 边编辑攻击，逃避图神经网络机器人检测
BOCLOAK 是针对 GNN 社交 bot 检测器的测试时逃避方法，用来检查领域约束下的稳健性。
提出 CAGE 攻击，在视觉 token 压缩下用图像扰动使预测偏离
CAGE 研究的是：LVLM 在推理时剪枝或合并视觉 token 之后，对抗稳健性该怎么估。
提出 SoftHateBench，评测审核模型对推理驱动软仇恨的检测