English(EN) DPOison-VL: Clean Preference Poisoning in Vision-Language Direct Preference Optimization

新型攻击利用不可感知图像扰动来破坏视觉语言模型对齐

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-15 04:00

研究人员开发了DPOison-VL，一种利用视觉语言模型（VLMs）直接偏好优化（DPO）中漏洞的新型攻击方法。该攻击通过在少量训练数据上进行不可感知的图像扰动来操纵模型对齐，而其他数据组件保持不变。DPOison-VL可以在使用极少量投毒数据的情况下实现高攻击成功率，同时保持模型的通用效用和准确性，表明VLM对齐过程存在重大的安全风险。 AI

影响揭示了VLM对齐中的关键漏洞，可能影响多模态AI系统的安全性和可信度。

排序理由该集群描述了一篇详细介绍AI模型新型攻击方法的学术论文。[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: 18 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群描述了一篇详细介绍AI模型新型攻击方法的学术论文。[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) · Chengtao Jian, Kai Yang · 2026-10-15 04:00

DPOison-VL：视觉语言直接偏好优化中的干净偏好投毒

arXiv:2610.18609v1 Announce Type: cross Abstract: Direct Preference Optimization (DPO) has become a widely adopted approach for aligning vision-language models (VLMs), yet the security of multimodal preference data remains largely unexplored. Existing preference poisoning attacks…

本文如何被排名

报道来源 [1]

DPOison-VL：视觉语言直接偏好优化中的干净偏好投毒

相关实体

相关话题