清华北邮提出 DIVA 越狱：离散扩散 VLM 攻击成功率最高 74%
新智元 · wechat · 2026-10-16
清华大学与北京邮电大学团队发布论文，提出针对离散扩散视觉语言模型（dVLM）的白盒视觉越狱方法 DIVA，揭示这类模型的结构性安全风险。
核心发现：与自回归模型「图像一次性注入」不同，dVLM 在每轮去噪中都重新使用视觉条件，即「跨步条件传播」，隐藏在图片中的风险语义可沿生成轨迹反复累积影响。
方法：
- 跨模态意图混淆：把风险指令拆到图文两端，文本用指代表达，关键语义放入叠加关键词文字层的复合图像；
- 扩散感知优化：从去噪轨迹抽取多个时间步，对遮蔽位置预测损失取平均，优化一份像素受限扰动；
- 类别级共享扰动：同一风险类别联合优化，避免过拟合单一问题。
实验：在 HADES 上平均 ASR 为 LLaDA-V 58.80%、MMaDA 67.73%、LLaDA2.0-Uni 69.07%；在留出的 VLSBench 上 MMaDA 达 74.16%，均超过比较方法。消融显示增益主要来自针对多去噪状态优化，而非单纯加噪声。扰动肉眼几乎不可见。
防御启示：跨模态组合语义需协同过滤、监测去噪阶段安全判断切换、为扩散架构建立专门红队、把对齐从最终输出前移到生成轨迹。论文未公开攻击脚本细节，属白盒研究以推动防御。
「安全」频道最新
- Dario 预言应验:Mythos 引发安全海啸预警,中国模型追平窗口仅剩数月 — rickasaurus · 2026-10-23
- Boundless 推出去除拒答的 DeepSeek V4.1 Flash,专供防御性安全测试 — MoonL88537 · 2026-10-23
- php2shell 零日爆出，Anthropic 用 Claude 自动缩减 25 个开源项目攻击面 — connoraxiotes · 2026-10-23
- PHP 爆两个未认证 RCE 漏洞，ProjectDiscovery 推全网免费告警服务 — cyb3rops · 2026-10-23
- Arista VeloCloud SQL 注入漏洞 CVSS 9.9 遭在野利用，最低权限可变超级用户 — AIFlow_ML · 2026-10-23
- Bindu Reddy 调侃安全恐慌：世界没灭亡，Anthropic 还说会更糟 — bindureddy · 2026-10-23