arXiv · 机器人与计算机视觉· Xiaojun Jia, Simeng Qin, Yiming Li, Jie Liao, Sensen Gao, Ke Ma, Yang Liu, Xiaochun Cao·· 2026-10-07AI 评分38
IAU-FOA:一种针对闭源多模态大语言模型的视觉不变性增强特征最优对齐攻击方法
Visual-Invariance-Augmented Feature Optimal Alignment for Transferable Adversarial Attacks against Closed-Source MLLMs
AI 导读
IAU-FOA 提出了一种结合自适应不平衡传输与视觉不变性增强的攻击框架,旨在提升对闭源多模态大语言模型(MLLMs)的跨域迁移攻击成功率。该方法通过全局语义缩小差距及局部 patch token 聚类匹配实现细粒度特征对齐,并引入双向像素强度重缩放模拟光照变化以增强扰动泛化性。实验表明该策略在开源与闭源 MLLMs 上均优于现有最先进可迁移攻击方法,代码已公开。
来源:arXiv · 机器人与计算机视觉 · arxiv.org