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 262papers 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
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。
TAPDreamer 用公开编码器做固定补丁。
提出 Red-TTT,在攻击过程中更新攻击者实现自动化越狱
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 CodeMimicry,以结构化代码补全诱导模型生成有害内容
提出 SceneJail,利用视频情境上下文越狱视频多模态模型
提出 FinRT,将消费金融自适应红队轨迹蒸馏为可复用对抗提示生成器
FinRT 是面向消费金融的红队框架:先发现政策失效,再训练一个按政策、领域与目标行为出提示的生成器。
提出 RISE,迭代演化可复用策略对文生图模型做红队
提出 ENDOPROMPT,以受害者侧伪参考学习降低良性任务效用的前缀
ENDOPROMPT 是一种用受害模型自身续写监督前缀生成的 white-box 效用攻击方法。它针对良性任务失败,不要求产生有害内容或明确拒答。
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。
消融比较方言越狱中表层形式、文化框架与策略库的作用
提出 SAST-IR,用有状态攻击者迭代说服无记忆模型接受反事实
提出 AdvPIE,在黑盒下搜索表面无害却生成有害图像的提示
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 CRACK,用多智能体辩论在黑盒下越狱文生图多层安全过滤
CRACK 是面向文本生成图像模型多层安全栈的黑盒越狱框架,用几何上的 Detection Surface 解释为何粗粒度反馈不够。
提出 MAMJ,在元层面交替优化多模态越狱的策略提示与攻击者权重
提出 JailbreakSkill,用可演化技能自动搜索并复用越狱提示