Multi-Modal Typography

新型“多模态排版”攻击利用视听AI推理能力

arXiv上发表的一项新研究详细介绍了一种名为“多模态排版”的新型攻击向量，该向量利用了视听推理模型的漏洞。研究人员展示了通过微妙地改变屏幕上的文本或语音，可以显著提高Gemini 3.7 Flash和Qwen2.5-Omni-7B等模型的攻击成功率。研究分析了这些跨模态扰动如何影响推理，并发现微调可以在一定程度上缓解漏洞，但它仍然是多模态AI安全的一个关键领域。