論文の概要: Breadth Beats Depth: Improving GCG-Based Jailbreak Optimization with Breadth-Oriented Suffix Search

• arxiv url: http://arxiv.org/abs/2609.02172v1
• Date: Wed, 02 Sep 2026 06:34:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-03 17:53:18.107896
• Title: Breadth Beats Depth: Improving GCG-Based Jailbreak Optimization with Breadth-Oriented Suffix Search
• Title（参考訳）: Breadth Beats Depth: Breadth-Oriented Suffix SearchによるGCGベースのジェイルブレイク最適化の改善
• Abstract要約: Greedy Coordinate Gradient (GCG)のような最適化ベースのジェイルブレイク攻撃は、強い有効性と転送性を実現する。 広義の接尾辞探索によりGCGベースのジェイルブレイク最適化を改善するプラグイン・アンド・プレイフレームワークであるBOSSを提案する。
• 参考スコア（独自算出の注目度）: 7.070557270718812
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Optimization-based jailbreak attacks such as Greedy Coordinate Gradient (GCG) achieve strong effectiveness and transferability by optimizing adversarial suffixes on white-box source models. However, existing GCG-based methods rely on averaged adversarial loss and deep greedy search, which can over-emphasize easy-to-jailbreak behaviors and overlook promising regions of the suffix space. We propose BOSS, a plug-and-play framework that improves GCG-based jailbreak optimization through breadth-oriented suffix search. BOSS uses Tail-Focused Adversarial Loss (TFAL), standard source loss, and behavior coverage to select terminal suffixes, then explores multiple short trajectories and selectively continues promising suffixes. Experiments on public benchmarks show that BOSS improves attack success rates across multiple GCG-based methods while reducing optimization time.
• Abstract（参考訳）: Greedy Coordinate Gradient (GCG)のような最適化ベースのジェイルブレイク攻撃は、ホワイトボックスソースモデル上の逆サフィックスを最適化することにより、強力な有効性と転送性を実現する。 しかし、既存のGCGベースの手法は、相反する平均的な損失と深い欲求探索に依存しており、これは簡単にジェイルブレイクする振る舞いを強調し、接尾辞空間の有望な領域を見渡すことができる。 広義の接尾辞探索によりGCGベースのジェイルブレイク最適化を改善するプラグイン・アンド・プレイフレームワークであるBOSSを提案する。 BOSSは、Tail-Focused Adversarial Loss (TFAL)、標準ソース損失、行動カバレッジを使用して端末接尾辞を選択し、複数の短い軌跡を探索し、有望な接尾辞を選択的に継続する。 パブリックベンチマークの実験によると、BOSSは最適化時間を短縮しつつ、複数のGCGベースのメソッドでの攻撃成功率を改善する。

関連論文リスト

• TACS: Trajectory-Aware Candidate Selection for LLM Jailbreak Suffix Optimization [0.0]
  勾配に基づくジェイルブレイクサフィックス最適化手法は、候補を最低電流損失で保持することでサフィックスを更新する。 現段階のプロキシの下では、よりよく見える候補が、検索の後半でよりよいジェイルブレイクの結果を出すのに失敗することが多いことを示しています。 本稿では,ジェイルブレイクサフィックス最適化のための軌道対応候補選択フレームワークTACSを提案する。
  論文  参考訳（メタデータ） (2026-08-30T05:18:28Z)
• Defending Jailbreak Attacks on Large Language Models via Manifold Trajectory Kinetics [50.36375380196006]
  ジェイルブレイクプロンプトは、大規模な言語モデルにおけるアライメントガードレールをバイパスすることができる。 先行検出アプローチは固定距離空間に大きく依存する。 この仮定は,意図によって無視されるが,安全関連キーワードを含む疑似悪質なプロンプトの下で破られることを示す。 本稿では, LLM を入力を出力に変換する運動系として扱う Manifold Trajectory Kinetics (MTK) を提案する。
  論文  参考訳（メタデータ） (2026-06-05T14:49:26Z)
• SlotGCG: Exploiting the Positional Vulnerability in LLMs for Jailbreak Attacks [12.686897698255406]
  textitVulnerable Slot Score (VSS)を導入し、ジェイルブレイクに対する位置的脆弱性を定量化する。 次に、最も脆弱な挿入スロットを選択し、それらのスロットに対してターゲット最適化攻撃を実行するSlotGCGを提案する。 提案手法では,攻撃に依存しない位置探索機構を任意の最適化ベースの攻撃にプラグインし,200msの事前処理時間を追加する。
  論文  参考訳（メタデータ） (2026-06-04T02:31:29Z)
• GONDOR to the Rescue: Satisficing Planning with Low Memory [80.8869960059932]
  GONDORはGreedy Best-First Search(GBFS)の拡張である GONDORは、アンカー状態のスパースセットを保持しながら周期的に探索木を圧縮し、ゴールに達するとスパース状態間の再探索によって経路を再構築する。 実験により、GONDORは標準のGBFSと比較して、低メモリ予算下でのカバレッジを一貫して改善することが示された。
  論文  参考訳（メタデータ） (2026-05-27T13:20:58Z)
• Geneshift: Impact of different scenario shift on Jailbreaking LLM [55.26229741296822]
  我々は、遺伝的アルゴリズムを用いてシナリオシフトを最適化し、GeneShiftと呼ばれるブラックボックスジェイルブレイク攻撃を提案する。 GeneShiftはJailbreakの成功率を0%から60%に向上させるが、直接のプロンプトだけでは失敗する。
  論文  参考訳（メタデータ） (2025-04-10T20:02:35Z)
• Exploiting the Index Gradients for Optimization-Based Jailbreaking on Large Language Models [16.83476701024932]
  Greedy Coordinate Gradient (GCG) 法は, 脱獄状態のLDMを自動生成する能力を示した。 本稿では、接尾辞トークンの勾配情報を利用して間接効果に対処するモデル攻撃勾配指数GCG(MAGIC)を提案する。 AdvBenchの実験では、MAGICは最大1.5倍のスピードアップを実現し、ASR(Attack Success Rates)を同等以上維持している。
  論文  参考訳（メタデータ） (2024-12-11T18:37:56Z)
• Faster-GCG: Efficient Discrete Optimization Jailbreak Attacks against Aligned Large Language Models [16.938267820586024]
  本稿では,GCGの設計を深く掘り下げて,効率の良い逆ジェイルブレイク法であるFaster-GCGを提案する。 実験により、高速GCGは計算コストのたった1/10で元のGCGを超えることができることが示された。
  論文  参考訳（メタデータ） (2024-10-20T11:27:41Z)
• Improved Techniques for Optimization-Based Jailbreaking on Large Language Models [78.32176751215073]
  Greedy Coordinate Gradient (GCG)攻撃の成功は、最適化ベースのジェイルブレイク技術の研究への関心が高まっている。 我々はGCGのような最適化ベースのジェイルブレイクにいくつかの改良(経験的)技術を提案する。 以上の結果から,GCGが最先端のジェイルブレイク攻撃より優れ,100%近い攻撃成功率を達成できる可能性が示唆された。
  論文  参考訳（メタデータ） (2024-05-31T17:07:15Z)
• ADEdgeDrop: Adversarial Edge Dropping for Robust Graph Neural Networks [53.41164429486268]
  グラフニューラルネットワーク(GNN)は、近隣ノードからグラフ構造化情報を収集する強力な能力を示した。 GNNの性能は、ノイズや冗長なグラフデータによって引き起こされる一般化の貧弱さと脆弱な堅牢性によって制限される。 本稿では,エッジの除去を誘導する対向エッジ予測器を利用する新しい対向エッジドロップ法 (ADEdgeDrop) を提案する。
  論文  参考訳（メタデータ） (2024-03-14T08:31:39Z)
• Sparse and Imperceptible Adversarial Attack via a Homotopy Algorithm [93.80082636284922]
  少数の敵対的攻撃は、数ピクセルを摂動するだけでディープ・ネットワーク(DNN)を騙すことができる。 近年の取り組みは、他の等級のl_infty摂動と組み合わせている。 本稿では,空間的・神経的摂動に対処するホモトピーアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-06-10T20:11:36Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。