IAU-FOA：面向闭源MLLM的可迁移对抗攻击
Get the story
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。
Generated from reports · updated 3 hr ago
Timeline
Follow the coverage from different angles.
- arXiv · Computer VisionIAU-FOA：面向闭源 MLLM 的可迁移对抗攻击视觉不变性增强特征最优对齐方法
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。
Heat trend
Current heat 9·Comparable peak 10（Oct 7）·Comparable change over 24 hours –
The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.