Another 261papers do not have category tags yet and are not included in filtered results.
提出广度优先后缀搜索 BOSS，改进 GCG 越狱优化
BOSS 是插在 GCG 类离散 suffix 优化上的搜索框架：局部梯度更新不变，变的是固定预算花在深度还是广度。
提出 DIVA，利用跨步条件传播对离散扩散视觉语言模型实施视觉越狱
提出 SN-Guided Diffusion，利用安全神经元实现离线越狱
论文系统评估了扩散大语言模型（DLLM）在安全对齐中的双重角色——既作为白盒攻击目标，又作为黑盒越狱生成的对抗工具。
提出 Concept2Scenario，借助内部概念归因发现可迁移的越狱场景
Abstract该研究从表征空间因果归因揭示场景削弱拒绝的机制，发现可复用脆弱场景先验，提升多模型黑盒越狱效能与探索速度。
提出 SlotGCG，按注意力选槽插入对抗 token 以越狱指令模型
提出 CodecAttack，在编解码器隐空间构造可穿透有损压缩的对抗音频
提出 GPO-V，用全局概率优化的视觉扰动越狱扩散视觉语言模型
GPO-V 把越狱从“开头必须顺从”改成“整段去噪概率朝肯定方向走”。。
提出 Misrouter，借 MoE 路由优化仅输入前缀并迁移攻击
提出 PEO，直接优化原提示词嵌入实现白盒越狱
PEO是一种不追加对抗 token 的 white-box 越狱：直接改已有提示词嵌入，并只对未成功样本更换续写目标再优化。
提出 ShallowJail，在推理时用转向向量改写隐藏状态实现越狱
比较 GCG 对抗 token 作为前缀与后缀的越狱效果
提出 MFA 框架，协同突破视觉语言模型的对齐、提示与审核层
Abstract作者称多层防御的 VLM 仍存在跨模型漏洞，MFA 整合三项技术实现了端到端越狱。
提出四种阶段转换攻击，绕过推理模型的安全推理护栏
提出 Latent Fusion Jailbreak，插值有害与无害隐藏状态实施白盒越狱
提出提取对齐 LLM 内嵌安全分类器并攻击其代理的越狱方法
作者提出一种白盒越狱做法：抽出对齐 LLM 内部 safety classifier 的近似，再攻击该近似并迁回原模型。