論文の概要: DIVA: Exploiting Cross-Step Conditional Propagation for Visual Jailbreaks in Discrete Diffusion Vision-Language Models

• arxiv url: http://arxiv.org/abs/2609.05525v1
• Date: Tue, 01 Sep 2026 16:33:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-12 13:26:23.786953
• Title: DIVA: Exploiting Cross-Step Conditional Propagation for Visual Jailbreaks in Discrete Diffusion Vision-Language Models
• Title（参考訳）: DIVA:離散拡散ビジョンランゲージモデルにおける視覚ジェイルブレイクのクロスステップ条件伝搬
• Abstract要約: マルチモーダル離散拡散視覚言語モデル(dVLM)は、視覚ジェイルブレイク研究で研究されていない新興家族である。 離散拡散ビジョン言語モデルアタック (Disdisrete-Diffusion Vision-Language Model Attack) は、クロスモーダルインテントの難読化と拡散対応多段階対向最適化を用いたホワイトボックス視覚ジェイルブレイクフレームワークである。 3つのdVLMで、DIVAは58.8%、67.7%、69.1%のHADES ASRに達し、自動回帰モデル用に設計された視覚的ジェイルブレイクベースラインを上回っている。
• 参考スコア（独自算出の注目度）: 19.32380796606957
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large vision-language models (VLMs) are increasingly deployed in safety-critical settings, yet existing visual jailbreak research has focused almost exclusively on autoregressive architectures, leaving an important emerging family unstudied: multimodal discrete diffusion vision-language models (dVLMs). We identify a vulnerability specific to diffusion generation: because the visual embedding conditions every reverse denoising step rather than acting as a one-time prefix, adversarial visual semantics are repeatedly propagated and amplified across the generation trajectory, a phenomenon we term cross-step conditional propagation. We provide empirical evidence through stage-sensitivity analysis, prompt-level switch rates, and pairwise denoising-bin disagreement metrics, confirmed by bootstrap resampling. We propose DIVA (Discrete-diffusion Vision-language model Attack), a white-box visual jailbreak framework using cross-modal intent obfuscation and diffusion-aware multi-timestep adversarial optimization. Across three dVLMs, DIVA reaches 58.8%, 67.7%, and 69.1% HADES ASR under the Beaver reward-model metric, outperforming visual jailbreak baselines designed for autoregressive models. Code: https://github.com/loststars2002/DIVA
• Abstract（参考訳）: 大規模な視覚言語モデル(VLM)は、安全クリティカルな環境での展開が増えているが、既存の視覚ジェイルブレイクの研究は、ほとんど自動回帰アーキテクチャに重点を置いており、重要な新興家族であるマルチモーダル離散拡散視覚言語モデル(dVLM)を残している。 拡散生成に特有の脆弱性を同定する: 視覚的埋め込み条件は1回の接頭辞としてではなく、逆退するステップごとに発生するので、対角的な視覚的意味論は、生成軌跡をまたいで繰り返し伝播し増幅されるので、この現象はクロスステップ条件伝播と呼ばれる。 ブートストラップ再サンプリングによって確認された,ステージ感度分析,プロンプトレベルスイッチレート,ペアワイズデノイングビン不一致測定値による実証的証拠を提供する。 クロスモーダルな意図難読化と拡散対応多段階対向最適化を用いたホワイトボックス視覚ジェイルブレイクフレームワークであるDIVA(Discrete-diffusion Vision-Language Model Attack)を提案する。 3つのdVLM全体で、DIVAはビーバーの報酬モデルで58.8%、67.7%、69.1%のHADES ASRに達し、自動回帰モデル用に設計された視覚的ジェイルブレイクベースラインを上回っている。 コード:https://github.com/loststars2002/DIVA

関連論文リスト

• The Price of Consistency: Exploiting Visual Anchors for Multimodal Jailbreaking in Video Generation [83.99528259002504]
  このメカニズムにより、生成したコンテンツが元の有害な意図から遠ざかることを防ぐことができる。 本稿では、この脆弱性を利用したビデオ生成のためのトレーニング不要なマルチモーダルジェイルブレイクフレームワークである、Visual Anchors (DIVA)によるDecoupling Intentを提案する。 今後の研究を容易にするため,マルチ条件ビデオ生成のための最初の安全ベンチマークであるTI2SafetyBenchを寄贈する。
  論文  参考訳（メタデータ） (2026-09-07T08:34:00Z)
• DAVET: Denoising-Aware Visual Evidence Trajectory Allocation for Diffusion Vision-Language Models [5.2649891485209634]
  拡散視覚言語モデル (dVLMs) は、視覚的証拠について各認知ステップを条件付けながら、マスクされた応答を反復的に認知する。 進化する生成状態に応じて視覚的エビデンスを割り当てるトレーニングフリーフレームワークであるDAVETについて述べる。
  論文  参考訳（メタデータ） (2026-08-03T07:29:05Z)
• GPO-V: Jailbreak Diffusion Vision Language Model by Global Probability Optimization [38.17733373188058]
  Diffusion Vision-Language Models (dVLMs) は、従来の自己回帰生成パラダイムから離れることで、マルチモーダルタスクにおいて顕著な効果を示した。 この脆弱性を利用するために,マスク拡散モデルの認知軌道に特化して設計された一般的なジェイルブレイクパラダイムであるグローバル確率最適化(GPO)を提案する。 GPO-Vは,DVLM用に開発された最初の視覚的モダリティジェイルブレイクフレームワークである。
  論文  参考訳（メタデータ） (2026-05-08T07:54:57Z)
• Unleashing Vision-Language Semantics for Deepfake Video Detection [78.7562836979696]
  ディープフェイクビデオ検出(DFD)研究は、事前訓練されたビジョンランゲージモデル(VLM)が、異なるアイデンティティにわたるアーティファクトの検出において強力な一般化能力を示すことを示した。 VLAForgeは、深度検出におけるモデルの識別可能性を高めるために、そのようなクロスモーダルセマンティクスの可能性を解き放つ新しいDFDフレームワークである。
  論文  参考訳（メタデータ） (2026-03-25T16:05:35Z)
• The Illusion of Forgetting: Attack Unlearned Diffusion via Initial Latent Variable Optimization [51.835894707552946]
  非学習型防衛は拡散モデル(DM)からNot-Safe-For-Work概念を浄化すると主張している 本研究では,未学習が言語記号と基礎知識のマッピングを部分的に破壊し,休眠記憶として残り続けることを示す。 IVOは、壊れたマッピングを再構築することで、これらの休眠記憶を再活性化する簡潔で強力な攻撃フレームワークである。
  論文  参考訳（メタデータ） (2026-01-30T02:39:51Z)
• Diffusion-DRF: Differentiable Reward Flow for Video Diffusion Fine-Tuning [72.16213872139748]
  Diffusion-DRFは、微調整ビデオ拡散モデルのための微分可能な報酬フローである。 拡散縮退鎖を介してVLMフィードバックをバックプロパゲートする。 ビデオの品質とセマンティックアライメントを改善し、報酬のハッキングと崩壊を緩和する。
  論文  参考訳（メタデータ） (2026-01-07T18:05:08Z)
• VERA-V: Variational Inference Framework for Jailbreaking Vision-Language Models [19.867040067010674]
  本稿では,マルチモーダルなジェイルブレイク発見を,ペア化されたテキストイメージプロンプト上での連立後続分布学習として再放送する変分推論フレームワークVERA-Vを紹介する。 我々は、後方に近づいた軽量攻撃者を訓練し、多様なジェイルブレイクの効率的なサンプリングを可能にした。 HarmBenchとHADESベンチマークの実験では、VERA-Vは最先端のベースラインを一貫して上回っている。
  論文  参考訳（メタデータ） (2025-10-20T17:12:10Z)
• dVLA: Diffusion Vision-Language-Action Model with Multimodal Chain-of-Thought [66.78110237549087]
  VLA(Vision-Language-Action)モデルは、ロボット工学の次世代パラダイムとして登場しつつある。 単一システムにおける視覚認識,言語推論,ロボット制御を統一する拡散型VLAであるdVLAを紹介する。
  論文  参考訳（メタデータ） (2025-09-30T02:36:11Z)
• Discrete Diffusion VLA: Bringing Discrete Diffusion to Action Decoding in Vision-Language-Action Policies [62.653984010274485]
  VLA(Vision-Language-Action)モデルは、画像や命令をロボットアクションにマッピングするために、大きな視覚言語バックボーンを適応させる。 prevailingAsは、固定された左から右への順序で自動回帰的にアクションを生成するか、バックボーンの外側で分離または拡散ヘッドをアタッチする。 本稿では離散拡散を伴う離散化作用チャンクをモデル化する統一変換器ポリシである離散拡散VLAを提案する。
  論文  参考訳（メタデータ） (2025-08-27T17:39:11Z)
• CeTAD: Towards Certified Toxicity-Aware Distance in Vision Language Models [16.5022773312661]
  本稿では,ジェイルブレイク攻撃に対する大規模視覚言語モデルの保護を目的とした,普遍的な認証防衛フレームワークを提案する。 まず、悪意のある応答と意図した応答のセマンティックな差異を定量化する新しい距離尺度を提案する。 そして, ランダム化スムーシングを用いて, 形式的堅牢性を保証するための回帰認証手法を考案する。
  論文  参考訳（メタデータ） (2025-03-08T17:33:55Z)

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。