MIDAS：面向 MLLM 越狱的多图分散与语义重建
MIDAS: Multi-Image Dispersion and Semantic Reconstruction for Jailbreaking MLLMs
AI 导读
研究者提出 MIDAS 多模态越狱框架，把有害语义拆解为风险子单元并分散到多张图片中，再借助跨图推理逐步重建恶意意图，从而绕过 MLLM 的安全机制。该方法通过延长并结构化多图链式推理，增加模型对视觉线索的依赖、延迟恶意语义暴露，降低模型的安全注意力。在 4 个闭源 MLLM 上平均攻击成功率为 81.46%，论文称其优于现有 MLLM 越狱攻击，代码已在 GitHub 开源。