研究者提出利用祖先 VLM 的黑盒对抗补丁攻击,可降低 VLA 任务成功率
提出利用祖先 VLM 优化对抗补丁,使已部署 VLA 任务失败
- arXiv
- 2610.09708
- Published
- Layer
- Prompt layer
- Evaluated models
- OpenVLA, UniVLA, π0.5
- TechniqueGradient and representation optimization
- ComponentVision
Another 261papers do not have category tags yet and are not included in filtered results.
提出利用祖先 VLM 优化对抗补丁,使已部署 VLA 任务失败
提出 STCA,对驾驶视频 VLM 构造可迁移的时空对抗扰动
TAPDreamer 用公开编码器做固定补丁。
提出轨迹级可迁移对抗攻击,降低深度强化学习策略的期望回报
这项工作研究 DRL 上的迁移式黑盒观测攻击:受害参数不可访问时,在白盒代理上造扰动再迁移。
提出闭环激活引导,在扩散语言模型去噪过程中注入定向偏见
Abstract通过去噪中间概率反馈动态调节残差流转向,证明扩散语言模型在推理服务栈中存在闭环偏见注入脆弱性。
提出 IAU-FOA,构造可迁移图像扰动以诱导多模态模型输出目标语义
提出 LiBRA,在潜空间双向优化以规避图像水印双侧检测
AbstractLiBRA 用双向潜空间优化规避双侧水印检测,并提高相对反转基线的保真。
提出核化激活引导 KAS,在推理时自适应转向激活以诱导越狱
Kernelized Activation Steering(KAS) 把推理时的激活转向写成核空间中的优化,使更新随当前激活相对源、目标参考集的位置而变化。
提出 BLINDBIAS,通过纯文本续写与前缀控制越狱黑盒模型
BLINDBIAS 是一种针对 sample-only 续写接口的 black-box 解码时越狱框架,研究没有目标数值概率时,采样能否支持逐步控制。
提出推理通道预填与输出前缀组合攻击以越狱推理模型
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。
检验结构越狱 IICL 能否跨厂商泛化并与语言约束叠加
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 DURA,用扩散模型生成自然对抗补丁操控 VLA 机器人动作
DURA 是针对 VLA 的扩散式、补丁内容不受限的机器人攻击,同时支持白盒梯度和只看动作输出的黑盒。
利用加密思维块的跨模型重放,诱导弱模型逐字转写专有推理链
Abstract论文揭示了客户端加密思维块跨模型互换漏洞,提出了低成本提取方法并给出防御方案。
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。
用通用扰动对恶意软件分类器及漂移检测器做规避与后门投毒
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。