面向闭源 MLLM 可迁移对抗攻击的视觉不变性增强特征最优对齐

英文标题：Visual-Invariance-Augmented Feature Optimal Alignment for Transferable Adversarial Attacks against Closed-Source MLLMs

该论文提出一种用于攻击闭源多模态大语言模型（MLLM）的可迁移对抗攻击方法，核心是视觉不变性增强的特征最优对齐。论文关注黑盒场景：攻击者只能访问开源代理模型，而目标模型为闭源系统。摘要指出，现有定向迁移攻击主要通过对齐对抗样本与目标特征开展攻击，但所提供原文未包含后续完整方法、实验数据及结论。该研究反映出闭源 MLLM 在跨模型迁移对抗样本面前仍存在安全风险。

2.1 KB 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB