Tag · 2 篇
对抗样本生成
01 02
连贯性陷阱：当多模态大语言模型构建的叙事利用被操纵的视觉上下文
The Coherence Trap: When MLLM-Crafted Narratives Exploit Manipulated Visual Contexts
提出利用MLLM生成语义连贯的虚假图文对来构建对抗数据集，并设计伪影感知编码与操作导向推理框架，为检测MLLM驱动的多模态虚假信息提供了可复用的数据生成与检测思路。
利用局部扰动增强提升对抗迁移性
Improving Adversarial Transferability with Local Perturbation Augmentation
对做对抗鲁棒性评测的人，LPAA 提供了一种在每次迭代中构造多个局部增强子空间来更新扰动、并用专门初始化避免初始扰动敏感性的黑盒迁移攻击流程，可直接替换现有迭代攻击中的邻域采样步骤，用于在 CNN 与 ViT 上更严格地检验模型鲁棒性。