arXiv · cs.AI· Xu Zhang·· 2 天前精选AI 评分57
Jailbreak Connectivity：面向多模态大模型视觉越狱的路径优化攻击框架
Jailbreak Connectivity: Towards Diverse, Transferable, and Universal Multimodal Large Language Model Jailbreak
来源与原文
arXiv · cs.AI
作者：Xu Zhang
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.38091v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
arXiv 论文提出 Jailbreak Connectivity（JC），通过优化图像空间中经低损失区域连通的连续对抗路径，实现多样、可迁移且通用的 MLLM 视觉越狱。在 MM-SafetyBench 上，JC 对 Qwen3-VL-8B-Instruct、InternVL3.5-8B 和 Gemma-3-12B-IT 的平均攻击成功率分别为 84.01%、85.77% 和 97.95%，最高超出最强基线 68.36 个百分点；黑盒评测中较 FigStep 在 GPT-5.6 和 Gemini 3.1 Pro 上分别提升 24.69 和 27.34 个百分点。论文指出该结果揭示了 MLLM 安全对齐中的结构性漏洞，可用于更全面的安全评估。
推荐理由
论文用低损失路径连通的思路提升视觉越狱的多样性、迁移性与通用性，并给出多个 MLLM 上的成功率对比数据。
来源：arXiv · cs.AI · arxiv.org