English(EN) Visual-Invariance-Augmented Feature Optimal Alignment for Transferable Adversarial Attacks against Closed-Source MLLMs

新的攻击方法提高了闭源多模态大语言模型的对抗可迁移性

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-07 04:00

研究人员开发了一种名为IAU-FOA的新方法，以提高对抗性攻击对闭源多模态大语言模型（MLLMs）的有效性。该技术通过在全局和局部层面进行特征对齐来增强对抗性样本的可迁移性，解决了先前主要使用全局图像级特征的方法的局限性。IAU-FOA结合了置信度自适应不平衡传输进行细粒度特征对齐，以及视觉不变性增强，以确保对抗性扰动能够跨不同的视觉编码器泛化，在性能上优于现有方法。 AI

影响这项研究可能有助于开发更强大的防御措施，以应对多模态人工智能系统面临的对抗性攻击。

排序理由该集群包含一篇研究论文，详细介绍了一种针对多模态大语言模型的新型对抗攻击方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 15 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇研究论文，详细介绍了一种针对多模态大语言模型的新型对抗攻击方法。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, safety; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Xiaojun Jia, Simeng Qin, Yiming Li, Jie Liao, Sensen Gao, Ke Ma, Yang Liu, Xiaochun Cao · 2026-10-07 04:00

面向闭源多模态大模型的迁移性对抗攻击的视觉不变性增强特征最优对齐

arXiv:2610.06977v1 Announce Type: cross Abstract: Multimodal large language models (MLLMs) remain vulnerable to transferable adversarial examples, especially in black-box settings where only open-source surrogate models are accessible. Existing targeted transfer attacks mainly al…

本文如何被排名

报道来源 [1]

面向闭源多模态大模型的迁移性对抗攻击的视觉不变性增强特征最优对齐

相关实体

相关话题