arXiv cs.AI· William Hackett, Peter Garraghan·· 9 天前AI 评分58
BRANCH：绕过多扫描器 AI 护栏的树搜索方法
BRANCH: Bypassing Multi-Scanner AI Guardrails
AI 导读
研究提出 BRANCH，一种针对多扫描器护栏系统的绕过方法，通过分支树搜索对单个扫描器动态施加对抗扰动，再依据护栏系统整体改善情况优化扰动并选择技术。作者称在 6 个护栏系统、120 个场景中达到 100% 攻击成功率，相比已有技术查询量减少 72%、wallclock 时间降低 4.5 倍，同时保持绕过内容的语义。
正文 · AI 翻译
摘要：AI 系统日益依赖大型语言模型（LLM）作为核心推理引擎，使其成为提示注入和越狱攻击的目标。护栏（Guardrails）会监控并验证模型的输入与输出，但其孤立、以任务为中心的检测方式在分类上留下空白，使其容易被绕过。为此，由多个扫描器组成的护栏系统应运而生，它们协同检测不同类型的恶意指令，从而使得跨分类边界的共享潜在表示让既有绕过技术失效。我们提出 BRANCH，一种专为多扫描器护栏系统设计的绕过方法。我们的方法采用分支树搜索，针对单个扫描器动态施加对抗扰动，并基于所有护栏系统扫描器的整体改进进行后续扰动优化与技术选择，从而有效将绕过评估与攻击信号优化解耦。我们的研究结果表明，BRANCH 在 120 个场景中对 6 个护栏系统实现了 100% 的攻击成功率，与既有技术相比查询次数减少 72%，实际耗时降低 4.5 倍，同时保持绕过内容的语义不变。我们还展示了 BRANCH 生成的绕过方法如何迁移到 29 个未见过的护栏，包括 8 个商业黑盒护栏，在某些情况下无需额外优化即可将攻击成功率提升至 100%。
| 评论： | 13 页，21 张图，4 张表 |
| 主题： | 密码学与安全（cs.CR）；人工智能（cs.AI） |
| ACM 分类： | I.2.7；K.6.5 |
| 引用为： | arXiv:2610.10742 [cs.CR] |
| （或 arXiv:2610.10742v1 [cs.CR] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.10742 arXiv 颁发的 DOI（通过 DataCite，待注册） |
提交历史
来自：William Hackett [查看邮箱]
[v1]
2026 年 10 月 7 日星期三 18:10:56 UTC（934 KB）
来源：arXiv cs.AI · arxiv.org