IAU-FOA：面向闭源MLLM的可迁移对抗攻击

2026年10月7日，arXiv计算机视觉栏目发布论文，提出IAU-FOA，一种面向闭源MLLM的可迁移对抗攻击方法，通过视觉不变性增强与自适应不平衡传输改进目标迁移性。该方法在全局与局部层面对齐对抗样本与目标样本：余弦目标缩小全局语义差距，patch token聚类后经最优传输做细粒度对齐，并对弱匹配簇采用置信度自适应不平衡传输。实验显示IAU-FOA在开源与闭源MLLM上均优于现有可迁移攻击方法，代码已开源。目前报道仅涉及该论文内容，尚无后续验证或第三方复现信息。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。