Jailbreak Connectivity：多模态大模型通用越狱攻击框架
原文标题：Jailbreak Connectivity: Towards Diverse, Transferable, and Universal Multimodal Large Language Model Jailbreak
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出 Jailbreak Connectivity（JC），利用图像空间中低损失区域可连通有效对抗样本的观察，优化连续对抗路径，实现多样、可迁移、通用的多模态大模型越狱攻击。在 MM-SafetyBench 上对 Qwen3-VL-8B-Instruct、InternVL3.5-8B、Gemma-3-12B-IT 的攻击成功率分别达 84.01%、85.77%、97.95%，黑盒下对 GPT-5.6 与 Gemini 3.1 Pro 也显著超过 FigStep。
- 问题
- 多模态大模型易受视觉越狱攻击，现有方法优化孤立样本，多样性、迁移性、通用性不足。
- 方法
- 利用图像空间低损失区域可连通有效对抗样本，优化连续对抗路径，配合代理分类器与分布级目标实现通用攻击。
- 结果
- MM-SafetyBench 上对 Qwen3-VL-8B-Instruct、InternVL3.5-8B、Gemma-3-12B-IT 攻击成功率 84.01%、85.77%、97.95%；黑盒下对 GPT-5.6 与 Gemini 3.1 Pro 比 FigStep 高 24.69 和 27.34 个百分点。
- 影响
- 多模态产品上线前需按路径式攻击做安全评测，单点对抗样本测试会低估风险。
深读 · 结论先行AI 生成展开看要点与影响 ↓
JC 框架利用图像空间低损失连通路径实现通用越狱，Gemma-3-12B-IT 攻击成功率达 97.95%。
- •核心观察：有效对抗输入可通过图像空间中的低损失区域相互连通。
- •在 MM-SafetyBench 上，Qwen3-VL-8B-Instruct、InternVL3.5-8B、Gemma-3-12B-IT 成功率分别为 84.01%、85.77%、97.95%。
- •较最强基线最高超出 68.36 个百分点。
- •黑盒下对 GPT-5.6 与 Gemini 3.1 Pro 较 FigStep 分别提升 24.69 与 27.34 个百分点。
- •路径采样产生多样越狱图像，轻量代理分类器引导跨模型迁移。
为什么重要：多模态安全对齐在连续对抗路径下暴露结构性弱点，红队评测需纳入此类迁移攻击。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。