論文の概要: TempQ-Jail: Query-Constrained Candidate Ranking for Text-to-Video Jailbreak Attacks

• arxiv url: http://arxiv.org/abs/2609.31032v1
• Date: Fri, 25 Sep 2026 09:26:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 18:27:51.324711
• Title: TempQ-Jail: Query-Constrained Candidate Ranking for Text-to-Video Jailbreak Attacks
• Title（参考訳）: TempQ-Jail: テキスト対ビデオのジェイルブレイク攻撃に対するクエリ制約付き候補ランキング
• Abstract要約: 既存のテキスト・ツー・ビデオ(T2V)ジェイルブレイク手法は、主により効果的またはより盗みやすい攻撃候補を求める。 ガードされたT2Vシステムでは、ビデオ生成とセキュリティ評価がコストがかかるため、攻撃者は大きな候補プールをテストすることができないことが多い。 本稿では,T2Vjailbreakをクエリ制約付き候補割り当てとランキング問題として定式化し,TempQ-Jailを提案する。
• 参考スコア（独自算出の注目度）: 46.04563743521242
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Existing text-to-video (T2V) jailbreak methods mainly seek more effective or stealthier attack candidates. In guarded T2V systems, however, video generation and security evaluation are costly, so an attacker often cannot test a large candidate pool. We therefore formulate T2V jailbreak as a query-constrained candidate allocation and ranking problem and propose TempQ-Jail. The method combines heterogeneous attack mechanisms to expand candidate coverage, estimates each candidate's end-to-end attack value from security-gate passage, dangerous visual generation, preservation of the original intent, and temporal validity, and ranks candidates so that high-value attacks appear early in a limited query trajectory. We evaluate TempQ-Jail on CogVideoX-5B using 70 common viable intents derived from T2VSafetyBench and compare it with six representative T2V jailbreak methods under a unified protocol. TempQ-Jail achieves TP-ASR@5 and TP-ASR@10 of 48.9% and 65.4%, improving over the strongest baselines by 4.6 and 4.0 percentage points, respectively. It also obtains the highest AUC-TP (0.469) and the lowest AvgQ (6.3). Analyses of query trajectories, candidate allocation, failure attribution, and ablations show that TempQ-Jail more effectively identifies and prioritises candidates with complete attack potential under limited query budgets.
• Abstract（参考訳）: 既存のテキスト・ツー・ビデオ(T2V)ジェイルブレイク手法は、主により効果的またはより盗みやすい攻撃候補を求める。 しかし、保護されたT2Vシステムでは、ビデオ生成とセキュリティ評価はコストがかかるため、攻撃者は大きな候補プールをテストすることができないことが多い。 そこで我々は,T2Vjailbreakをクエリ制約付き候補割り当てとランキング問題として定式化し,TempQ-Jailを提案する。 この方法は、候補範囲を拡大するための異種攻撃機構を組み合わせて、各候補のエンドツーエンド攻撃値をセキュリティゲート通過、危険な視覚生成、元の意図の保存、時間的妥当性から推定し、限られたクエリ軌跡の早期に高価値攻撃が現れるよう候補をランク付けする。 我々は、T2VSafetyBenchから派生した70の一般的なインテントを用いて、CagVideoX-5B上のTempQ-Jailを評価し、統一プロトコル下での6つの代表的なT2Vジェイルブレイク手法と比較した。 TempQ-Jail は TP-ASR@5 と TP-ASR@10 を 48.9% と 65.4% で達成し、それぞれ 4.6 と 4.0 に改善した。 また、最高 AUC-TP (0.469) と最低 AvgQ (6.3) を得る。 クエリトラジェクトリ、候補割り当て、失敗帰属、短縮の分析から、TempQ-Jailは、限られたクエリ予算の下で完全な攻撃可能性を持つ候補をより効果的に特定し、優先順位付けすることを示している。

関連論文リスト

• Jailbreaking for the Average Jane: Choosing Optimal Jailbreaks via Bandit Algorithms for Automatically Enhanced Queries [7.788962789618682]
  ますます懸念されるのは、専門家でない悪質なアクターが、悪意のあるリクエストに対して実行可能な応答を引き出す可能性があることだ。 本稿では,マルチアーム・バンディット・フレームワークに基づく新たな攻撃戦略を提案する。 我々の盗賊による攻撃は、平均して15ドル以上のSoTAオープンウェイトLSMで、最大97%の成功率を達成した。
  論文  参考訳（メタデータ） (2026-06-25T12:11:28Z)
• The Art of the Jailbreak: Formulating Jailbreak Attacks for LLM Security Beyond Binary Scoring [1.0262304700896199]
  我々は, JailBreakV-28Kから125個の有害シードプロンプトに912個の合成戦略を適用し,114,000個の敵プロンプトを構築した。 私たちは、推論時に有害なシードから、流動的なjailbreakプロンプトを合成するモデルを作ります。 安全フィルタ回避率は0.29-0.51 MalであるAutoDANとAmpleGCGは24-39対40-140である。
  論文  参考訳（メタデータ） (2026-05-09T23:51:18Z)
• HoneyTrap: Deceiving Large Language Model Attackers to Honeypot Traps with Resilient Multi-Agent Defense [30.85543511046959]
  HoneyTrapは、新しい欺く言語モデル防御フレームワークである。 4つの防御エージェント、Threat Interceptor、Misdirection Controller、Forensic Tracker、System Harmonizerを統合している。 HoneyTrapは、最先端のベースラインと比べて平均68.77%の攻撃成功率を達成している。
  論文  参考訳（メタデータ） (2026-01-07T15:47:28Z)
• T2V-OptJail: Discrete Prompt Optimization for Text-to-Video Jailbreak Attacks [67.91652526657599]
  我々は、T2Vジェイルブレイク攻撃を離散最適化問題として定式化し、T2V-OptJailと呼ばれる共同目的ベース最適化フレームワークを提案する。 いくつかのT2Vモデルに対して大規模な実験を行い、オープンソースモデルと実際の商用クローズドソースモデルの両方をカバーする。 提案手法は,攻撃成功率の観点から既存手法よりも11.4%,10.0%向上する。
  論文  参考訳（メタデータ） (2025-05-10T16:04:52Z)
• Jigsaw Puzzles: Splitting Harmful Questions to Jailbreak Large Language Models [50.89022445197919]
  大規模言語モデル(LLM)は、人間との関わりにおいて卓越した性能を示した。 LLMは脱獄攻撃に弱いため、有害な反応が生じる。 我々は,高度LLMに対する単純かつ効果的なマルチターンジェイルブレイク戦略であるJigsaw Puzzles (JSP)を提案する。
  論文  参考訳（メタデータ） (2024-10-15T10:07:15Z)
• JAILJUDGE: A Comprehensive Jailbreak Judge Benchmark with Multi-Agent Enhanced Explanation Evaluation Framework [33.95412482837461]
  提案するJAILJUDGEは,合成,逆行,内在,多言語的プロンプトなど,さまざまなリスクシナリオを特徴とするベンチマークである。 説明可能な,きめ細かいスコアリングが可能な JailJudge MultiAgent フレームワーク (1 から 10) を提案する。 JAILJUDGE Guardを利用する攻撃非攻撃型攻撃強化器であるJailBoostと、モデレーションディフェンスであるGuardShieldについても紹介する。
  論文  参考訳（メタデータ） (2024-10-11T14:56:28Z)
• A StrongREJECT for Empty Jailbreaks [72.8807309802266]
  StrongREJECTは、ジェイルブレイクのパフォーマンスを評価するための高品質なベンチマークである。 これは、被害者モデルが禁止されたプロンプトに対する応答の有害性を評価する。 それは、ジェイルブレイクの有効性の人間の判断と最先端の合意を達成します。
  論文  参考訳（メタデータ） (2024-02-15T18:58:09Z)
• Defending Large Language Models Against Jailbreaking Attacks Through Goal Prioritization [98.18718484152595]
  本研究は,学習段階と推論段階の両方において,目標の優先順位付けを統合することで,支援と安全性の確保という目標との本質的な対立に対処することを提案する。 我々の研究は、脱獄攻撃と防衛の理解に寄与し、LLMの能力と安全性の関係に光を当てている。
  論文  参考訳（メタデータ） (2023-11-15T16:42:29Z)

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。