像素间的阅读：文本到图像模型的题写型越狱攻击
计算机视觉与模式识别
2026-04-09 v2
摘要
现代文本到图像（T2I）模型现已能够渲染可读的段落级文本，使一类全新的滥用成为可能。我们识别并形式化了题写型越狱攻击，其中攻击者迫使 T2I 系统生成包含有害文本载荷（如欺诈文件）的图像，这些文本嵌入在视觉上无害的场景中。与传统描绘型越狱攻击（其诱发视觉上令人反感的图像）不同，题写型攻击利用文本渲染能力本身。由于现有的越狱技术旨在进行粗粒度视觉操作，它们难以在保持字符级保真度的同时绕过多级安全过滤器。为了暴露这一漏洞，我们提出了 Etch，一个黑盒攻击框架，将对抗性提示分解为三个功能正交层：语义伪装、视觉-空间锚定和排版编码。这种分解将全提示空间的联合优化简化为可处理的子问题，通过零阶循环迭代优化。在此过程中，视觉-语言模型评估每个生成的图像，将失败定位到特定层，并规定有针对性的修订。在 7 个模型上的广泛评估和 2 个基准测试表明，Etch 实现了平均攻击成功率 65.57%（峰值 91.00%），显著优于现有基线。我们的结果揭示了当前 T2I 安全对齐中的关键盲点，并强调了迫切需要排版感知的防御多模态机制。
引用
@article{arxiv.2604.05853,
title = {Reading Between the Pixels: An Inscriptive Jailbreak Attack on Text-to-Image Models},
author = {Zonghao Ying and Haowen Dai and Lianyu Hu and Zonglei Jing and Quanchen Zou and Yaodong Yang and Aishan Liu and Xianglong Liu},
journal= {arXiv preprint arXiv:2604.05853},
year = {2026}
}
备注
Withdrawn for extensive revisions and inclusion of new experimental results