像素间读文：针对文生图模型的铭写式越狱攻击

研究者提出针对文生图模型的铭写式越狱攻击及配套黑盒攻击框架 Etch，在 2 个基准、7 个模型上平均攻击成功率达 65.57%，最高 91.00%。该攻击利用模型新具备的段落级文字渲染能力，诱导其在视觉正常的场景中生成含有害文字内容的图像（如欺诈文件），不同于追求违规画面的传统描绘式越狱。Etch 将对抗提示分解为语义伪装、视觉空间锚定和字体编码三个功能正交的层，由视觉语言模型批评每张生成图、定位失败所在层并给出修订，经零阶循环迭代优化。作者称结果揭示了当前文生图安全对齐的盲区，凸显对具备排版感知能力的多模态防御机制的需求。