arXiv Computer Vision· Tongxi Wu, Yuyang Cheng, Jiacheng Xian, Hu Huang, Zhihao Wu, Menglin Yang, Jian Zhang, Yang Gao·· 20 小时前AI 评分25
场景即攻击面：SceneSafetyBench 揭示 MLLM 场景化安全失效，SGA 攻击成功率 86.17%
Scenes as an Attack Surface: Uncovering Scene-Grounded Safety Failures in MLLMs
AI 导读
研究者提出 SceneSafetyBench，在八类风险、九款白盒与黑盒 MLLM 上验证了一种新漏洞：仅靠任务相关的场景语义，无需额外攻击指令，就能让模型从拒绝转为服从。基于此提出的 Scene-Grounded Attacks（SGA）在九个目标 MLLM 上平均攻击成功率达 86.17%，比最强基线高 8.55 个百分点，并在八个模型上取得最高 ASR。
来源：arXiv Computer Vision · arxiv.org