Tag · 6 篇

迁移攻击

When Robots Obey the Patch: Universal Transferable Patch Attacks on Vision-Language-Action Models

提出一种在共享特征空间中学习通用对抗补丁的框架，结合特征偏移、注意力主导和语义错配损失，可迁移到未知架构的VLA模型，为视觉-语言-动作系统的安全性评估和防御提供了可复用的攻击基线。

Unleashing Stealthy Backdoor Pandemic by Infecting a Single Diffusion Model

揭示使用第三方扩散模型生成合成数据训练下游模型时，后门可跨模型传播的供应链风险；其提出的四项测试可作为评估视觉模型后门鲁棒性的新基准。

The Power of Decaying Steps: Enhancing Attack Stability and Transferability for Sign-based Optimizers

把基于符号的对抗攻击优化器重新表述为逐坐标梯度下降，并用单调递减的坐标级步长（MDCS）解决迭代次数增加反而导致攻击成功率下降的问题；做迁移攻击或对抗训练的人可以直接把这一调度替换进 I-FGSM/MI-FGSM 类流程，提升黑盒迁移性与稳定性。

PGA: Prior-free Generative Attack for Practical No-box Scenario

为视觉模型安全评估提供了一条无需先验数据、仅用少量无标签图像即可训练生成器产出对抗扰动的路径，其课程引导的微鲁棒优化与区域一致性扰动学习可直接迁移到黑盒迁移攻击与对抗训练的数据高效设定中。

IAG: Input-aware Backdoor Attack on VLM-based Visual Grounding

对做视觉定位或多模态大模型落地的人，这篇给出了一个可复用的攻击面：用文本条件 UNet 把目标语义隐写进图像，使任意指定目标都能被诱导定位，可作为评估 grounding 系统可信度的红队基线。

AdvFM: Lookahead Flow-Matching Velocity-Field Attacks for Imperceptible and Transferable Adversarial Examples

将对抗扰动注入流匹配的速度场而非像素空间，利用高斯平滑降低梯度方差并提升迁移性，为生成式对抗攻击提供了一种可复用的连续时间动力学视角。