研究者提出跨模态提示注入攻击CrossMPI

2026年10月27日，arXiv Computer Vision 刊出研究，Hao Yang 等作者提出跨模态提示注入攻击 CrossMPI。该研究称，CrossMPI 仅通过图像扰动即可同时操控大型视觉语言模型对文本和视觉输入的理解。方法上，研究者把注入扰动的优化从约 10^5 参数的视觉嵌入空间转移到约 10^7 参数的模型隐藏状态空间，并配合层选择策略与距离递减扰动预算分配策略。分析发现，最优扰动层位于模型中部而非最后层；多模型多数据集实验显示，该方法显著优于基线方法。目前事件进展停留在论文发布与方法披露阶段，报道未提及该攻击在真实系统中的应用或后续修复情况。

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。