Sequential Comics for Jailbreaking Multimodal Large Language Models via Structured Visual Storyte...

文章总结与翻译

一、主要内容

本文提出一种名为Sequential Comic Jailbreak（SCJ，序列漫画越狱） 的新型攻击方法，旨在利用多模态大型语言模型（MLLMs）的叙事理解能力，绕过其安全对齐机制。核心思路是将恶意查询分解为看似无害的叙事元素，通过扩散模型生成对应的序列漫画，借助模型对叙事连贯性的优先考量，诱导其输出有害内容。

研究通过两个主流安全基准数据集（MM-SafetyBench、HADES）的1556条恶意查询，在11款主流MLLMs（含GPT-5、Claude 4 Sonnet等商业模型及LLaVA-1.6等开源模型）上开展实验，结果显示SCJ平均攻击成功率达83.5%，较现有最优视觉越狱方法提升46个百分点。同时，研究分析了模型脆弱性模式（开源模型 vulnerability 显著高于商业模型）、类别敏感性（非法活动、欺诈等流程化有害内容更易被攻击），并验证现有防御机制（Llama Guard、LLaVA Guard）仅能部分缓解该攻击，凸显当前多模态安全机制在处理序列视觉信息时的核心缺陷。

二、创新点

1. 攻击范式创新：首次将序列漫画叙事引入多模态越狱攻击，突破现有方法依赖单帧图像或孤立视觉操纵的局限，利用MLLMs对叙事连贯性的优先处理特性，系统性绕过跨模态安全对齐不对称的漏洞。
2. 结构化攻击流程：设计四阶段攻击框架（查询意图提取→故事脚本创建→漫画生成→目标模型攻击），通过辅助LLM将恶意查询分解为增益意图、角色设定、关键资