清华北邮提出DIVA越狱攻击方法

清华大学与北京邮电大学联合提出白盒视觉越狱攻击方法 DIVA，针对离散扩散视觉语言模型（dVLM）的跨步条件传播特性，在 HADES 基准上对 LLaDA-V、MMaDA、LLaDA2.0-Uni 的平均攻击成功率（ASR）分别达到 58.80%、67.73%、69.07%。 该方法通过跨模态意图混淆与扩散感知对抗优化，在像素约束内构造类别级共享扰动，不修改模型权重与解码流程。其采用白盒威胁模型：研究者可访问目标模型的参数、梯度、视觉编码器及训练时使用的遮蔽接口，但不能修改模型权重。 论文未公开优化后的扰动文件、可直接复现的攻击脚本、具体步长和扰动预算等细节，研究目的为揭示机制并推动防御研究，而非提供面向真实系统的操作指南。

AI 根据报道生成 · 17 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。