面向 forensic 视觉语言模型的判定-解释一致对抗攻击：JECA^2
计算机视觉与模式识别
2026-05-28 v1
摘要
Forensic vision-language models（forensic VLMs）最近被开发用于检测图像篡改并提供自然语言解释。然而，这些模型针对对抗操纵的鲁棒性尚未得到充分探索。现有对抗攻击通常旨在翻转模型的二元判定，而附带解释可能仍揭示 forensic 线索并与被攻击的判定矛盾。本文研究针对 forensic VLMs 的判定-解释一致对抗攻击，提出了 JECA^2，一种受控白盒红队诊断，联合重定向视觉归因并使文本解释与目标判定一致。在视觉侧，JECA^2 使用 Grad-CAM 指导的扰动将归因从受篡改区域导向良性区域。在文本侧，它在 token-proximity 约束下优化 prompt 嵌入，使其指向符合真实性的语义。实验表明，在白盒威胁设置下，JECA^2 高于实现基线的攻击成功率和自动判定-解释一致性，同时对闭源 VLMs 的迁移虽可测但有限。我们的结果揭示了基于解释的 forensic VLMs 中的一致性失效模式，动机未来超越二元检测准确率的鲁棒性评估。
引用
@article{arxiv.2605.28609,
title = {JECA^2: Judgment-Explanation Consistent Adversarial Attack against Forensic Vision-Language Models},
author = {Jiachen Qian},
journal= {arXiv preprint arXiv:2605.28609},
year = {2026}
}
备注
37 pages, 6 figures. Includes supplementary material