打破刹车，别碾碎轮子：基于熵最大化的无目标劫持
计算机视觉与模式识别
2026-05-26 v2 人工智能
摘要
近期研究表明，梯度基的通用图像劫持在视觉语言模型(VLM)上表现出极小甚至没有跨模型可迁移性，这质疑了跨模态劫持的可行性。在严格的无目标威胁模型下（不强制固定前缀或响应模式），我们重新审视此结论。我们的初步实验发现，拒绝行为在自回归解码的高熵标记上聚集，非拒绝标记在攻击前已在top-ranked候选中携带相当概率质量。基于此，我们提出无目标劫持通过熵最大化(UJEM)-KL—a种轻量级攻击方法，最大化这些决策标记的熵以翻转拒绝结果，同时稳定剩余低熵位置以保持输出质量。在三种VLM和两个安全基准上，UJEM-KL实现具竞争力的白盒攻击成功率，并持续提升跨模型可迁移性，同时在代表性防御下仍有效。我们的实验结果表明，受限的可迁移性主要源于过于受限的优化目标。
引用
@article{arxiv.2605.10764,
title = {Break the Brake, Not the Wheel: Untargeted Jailbreak via Entropy Maximization},
author = {Mengqi He and Xinyu Tian and Xin Shen and Shu Zou and Jinhong Ni and Zhaoyuan Yang and Weikang Li and Xuesong Li and Jing Zhang},
journal= {arXiv preprint arXiv:2605.10764},
year = {2026}
}
备注
Preprint. 17 pages, 8 figures, 6 tables