论文提出 JC 框架，报告多款 MLLM 越狱成功率最高达 97.95%。
资讯摘要
论文提出 Jailbreak Connectivity（JC）框架，基于有效对抗输入可在图像空间低损失区域连通的观察，通过连续对抗路径优化：路径采样生成多样越狱图像，轻量代理分类器引导跨模型迁移，分布级目标实现跨有害查询的通用攻击。作者报告在 MM-SafetyBench 上对 Qwen3-VL-8B-Instruct、InternVL3.5-8B、Gemma-3-12B-IT 的平均攻击成功率分别为 84.01%、85.77%、97.95%，最高超出最强基线 68.36 个百分点；黑盒测试中较 FigStep 在 GPT-5.6 与 Gemini 3.1 Pro 上分别提升 24.69 和 27.34 个百分点。
要点速读
- 论文提出 JC 框架，利用图像空间低损失连通区域优化连续对抗路径，提升越狱攻击的多样性、迁移性与通用性。
- 作者报告 MM-SafetyBench 上对 Qwen3-VL-8B-Instruct、InternVL3.5-8B、Gemma-3-12B-IT 的攻击成功率分别为 84.01%、85.77%、97.95%。
- 黑盒评估中，JC 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。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/31 08:00:18（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。