09:16官方账号arXiv cs.AI@Xiang Chen, Yingying Zhao, Chao Li, Jiaju Han, Ben Zhang, Ang Li, Jiahuan Long, Yiwei Wei, Jiujiang Guo, Chengyin Hu论文提出QR-STT,一种无需训练的黑盒攻击框架,用于定向操控红外视觉语言模型的语义输出。该方法将QR码划分为冷、中、热三种温度模块,并通过无梯度优化搜索模块布局和渲染参数。实验在多个CLIP风格编码器上验证,QR-STT能稳定将图像-文本对齐导向攻击者选定的概念。针对分类任务优化的扰动还能迁移到图像描述和视觉问答,使生成文本出现目标一致的语义偏移。论文QR-STTCLIP对抗攻击推荐理由:红外视觉模型能被QR码图案定向误导?论文提出QR-STT,黑盒无需训练,改分类还影响问答,AI安全党可以看看。原文稍后读已读值得跟进有用关注 QR-STT