arXiv cs.AI· Xu Zhang, Ziqing Hu, Shuo Han, Ren Wang·· 13 小时前AI 评分34
Jailbreak Connectivity：面向多样、可迁移与通用多模态大语言模型越狱攻击的框架
Jailbreak Connectivity: Towards Diverse, Transferable, and Universal Multimodal Large Language Model Jailbreak
AI 导读
研究者提出 Jailbreak Connectivity（JC）框架，利用图像空间中低损失区域连接有效对抗样本，实现多样、可迁移且通用的多模态大语言模型越狱攻击。
正文 · AI 翻译
摘要：多模态大语言模型（MLLMs）易受绕过安全防护的视觉越狱攻击影响。现有方法通常优化孤立的对抗样本，限制了攻击的多样性、可迁移性和泛化能力。我们提出越狱连通性（Jailbreak Connectivity，JC）框架，其基于以下观察：有效的对抗输入可通过图像空间中的低损失区域相互连接。JC 优化连续的对抗路径：路径采样产生多样化的越狱图像，轻量级代理分类器引导跨模型迁移，分布级目标实现对有害查询的通用攻击。在 MM-SafetyBench 上，JC 在 Qwen3-VL-8B-Instruct、InternVL3.5-8B 和 Gemma-3-12B-IT 上分别取得 84.01%、85.77% 和 97.95% 的平均攻击成功率，比最强基线高出最多 68.36 个百分点。在黑盒评估中，JC 在 GPT-5.6 和 Gemini 3.1 Pro 上的攻击成功率分别比 FigStep 提高 24.69 和 27.34 个百分点。这些发现揭示了 MLLM 安全对齐中的结构化漏洞，并为更全面的安全评估提供参考。
| 主题： | 机器学习（cs.LG）；人工智能（cs.AI）；密码学与安全（cs.CR） |
| 引用为： | arXiv:2610.38091 [cs.LG] |
| （或 arXiv:2610.38091v1 [cs.LG] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.38091 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Xu Zhang [查看电子邮件]
[v1]
2026年10月28日星期三 00:13:19 UTC（6,662 KB）
来源：arXiv cs.AI · arxiv.org