广度胜过深度：通过面向广度的后缀搜索改进基于GCG的越狱优化

arXiv cs.CL 论文
jailbreak-attack adversarial-optimization gcg-method llm-safety breadth-oriented-search suffix-optimization ai-security

摘要

该论文介绍了BOSS，一个面向广度的后缀搜索框架，可改进针对大型语言模型的基于GCG的越狱攻击，提高攻击成功率的同时减少优化时间。

arXiv:2609.02172v1 公告类型：新 摘要：基于优化的越狱攻击，如贪心坐标梯度（GCG），通过在白盒源模型上优化对抗后缀，实现了强大的有效性和可迁移性。然而，现有的基于GCG的方法依赖于平均对抗损失和深度贪心搜索，这可能会过度强调容易越狱的行为，而忽略后缀空间中的有前景区域。我们提出了BOSS，一个即插即用的框架，通过面向广度的后缀搜索改进基于GCG的越狱优化。BOSS使用尾部聚焦对抗损失（TFAL）、标准源损失和行为覆盖来选择终端后缀，然后探索多个短轨迹，并有选择地继续有前景的后缀。在公开基准测试上的实验表明，BOSS在多个基于GCG的方法中提高了攻击成功率，同时减少了优化时间。
查看原文
查看缓存全文

缓存时间: 2026/09/03 05:52 

The request was rejected because it was considered high risk

相似文章