清华北邮提出DIVA白盒越狱攻击dVLM

清华大学与北京邮电大学在 EMNLP'26 论文中提出面向离散扩散视觉语言模型（dVLM）的白盒视觉越狱攻击方法 DIVA，并公布了在 HADES、VLSBench 两个多模态安全基准上对 LLaDA-V、MMaDA、LLaDA2.0-Uni 三类模型的攻击成功率评测结果。 DIVA 采用白盒威胁模型：研究者可访问目标 dVLM 的参数、梯度、视觉编码器及训练时使用的遮蔽接口，但不能修改模型权重。该方法利用 dVLM 的跨步条件传播机制对模型安全对齐做压力测试。论文未公开优化后的扰动文件、可直接复现的攻击脚本、具体步长和扰动预算等细节。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。