Skip to content
KitploitKITPLOIT
أدواتعمليات الاستغلالالمدونة
Log in
إرسال
أدواتعمليات الاستغلالالمدونة
إرسال

أدوات الاختراق واختبار الاختراق والأمن السيبراني لترسانتك الأمنية!

Kitploit هو دليل لأدوات الاختراق والأمن السيبراني واختبار الاختراق. اكتشف آخر تحديثات المشاريع للعثور على الثغرات وتحليل الأنظمة وأتمتة الاختبارات وتعزيز أمنك.

الخلاصاتاتصالالخصوصية© 2026 Kitploit

دليل الأدوات

الفئات

عرض جميع الفئات
Loading categories
Visco-Attack — خط أنابيب بحثي ينفّذ هجوم تجاوز قيود (jailbreak) بصري-سياقي ضد النماذج اللغوية الكبيرة متعددة الوسائط (multimodal LLMs): استخراج موجّهات T2I، وتوليد الصور باستخدام SD3.5، وبناء سياق تمويه متعدد الجولات، وتقييم معدل نجاح الهجوم (ASR) بتحكيم من GPT-4o. | Kitploit
أدوات/GitHubGitHub/dtc7w3pq/visco-attack
تعلم الآلةالأوراق والأبحاثالفريق الأحمرأمن الذكاء الاصطناعيالهجوم العدائي
GitHubdtc7w3pq/visco-attack

Visco-Attack

خط أنابيب بحثي ينفّذ هجوم تجاوز قيود (jailbreak) بصري-سياقي ضد النماذج اللغوية الكبيرة متعددة الوسائط (multimodal LLMs): استخراج موجّهات T2I، وتوليد الصور باستخدام SD3.5، وبناء سياق تمويه متعدد الجولات، وتقييم معدل نجاح الهجوم (ASR) بتحكيم من GPT-4o.

عرض المستودع
311منذ 7 أشهرتمت المراجعة من قبل Kitploit
مشاركة

Visual Contextual Attack: Jailbreaking MLLMs with Image-Driven Context Injection

Paper Data HF Downloads GitHub Stars

يُعد VisCo-Attack الأصلي رائدًا في نموذج هجوم يركز على الرؤية ويستفيد من صور متعددة عبر حوارات متعددة الأدوار؛ وتُحقّق استراتيجياته المصممة خصيصًا لتلفيق السياق معدل نجاح هجوم مرتفع بشكل ملحوظ ضد نماذج MLLMs الرائدة، مما يجعله واحدًا من أقوى أساليب كسر الحماية لنماذج MLLMs حتى الآن.

إذا كنت مهتمًا بعملنا، فيرجى وضع نجمة ⭐ على مشروعنا، شكرًا 💕

⚠️ تحذير: يحتوي هذا المستودع على تقنيات أوامر خصومية مخصصة لأغراض البحث والسلامة فقط.

📝 نظرة عامة

VisCo-Attack هو إطار عملنا لكسر الحماية عبر السياق البصري المقدَّم في الورقة البحثية "Visual Contextual Attack: Jailbreaking MLLMs with Image-Driven Context Injection". فبدلًا من التعامل مع الصورة كمجرد محفّز، يبني VisCo-Attack سياق حوار واقعيًا ومُلفَّقًا متعدد الأدوار يكون فيه الإدخال البصري جوهريًا للسيناريو الضار. ويقوم تلقائيًا بنسج ذلك السياق باستخدام أربع استراتيجيات محورها الصورة—محاكاة السيناريو المرتكز على الصورة (VS)، والتحليل متعدد المنظورات (VM)، والاستجواب التكراري (VI)، واستغلال الهلوسة (VH)—ثم ينفّذ تعمية السمية والتحسين الدلالي لإنتاج أمر هجوم واحد. وفي إطار صندوق أسود بالكامل، يكسر هذا الأمر بشكل موثوق نماذج MLLMs المتقدمة مثل GPT-4o وGemini 2.0 flash وInternVL-2.5، رافعًا معدل نجاح الهجوم إلى 85 – 91 % على MM-SafetyBench وFigStep-SafeBench وHarmBench مع الحفاظ على درجات سمية تتجاوز 4.7 / 5.

Visco-Attack Method Illustration

الشكل: نظرة عامة على طريقة الهجوم السياقي البصري (Visco-Attack).

🚀 الأخبار

  • [2025/7/3] إصدار سياقات الهجوم لأربع استراتيجيات متميزة على MM-SafetyBench، وهي متاحة الآن على Hugging Face. سيتم إصدار الكود عند قبول الورقة.
  • [2025/7/4] ورقتنا البحثية متاحة الآن على arXiv: https://arxiv.org/abs/2507.02844.
  • [2025/7/19] توفير صور SD + Typography لكل عينة MM-SafetyBench معاد مواءمتها (صورة SD في الأعلى، والكلمة المفتاحية في الأسفل). تُستخدم فقط لإعادة إنتاج خط الأساس؛ وليست جزءًا من طريقة هجومنا.
  • [2025/8/14] تجاوزت تنزيلات مجموعة البيانات الخاصة بنا على Hugging Face 10,000 🎉🎉🎉! شكرًا لدعمكم!
  • [2025/8/21] تم قبول VisCo Attack في المؤتمر الرئيسي EMNLP 2025! سيتم إصدار الكود قريبًا~
  • [إصدار الكود] خط الأنابيب الشامل من البداية إلى النهاية (استخراج أمر T2I → SD3.5 → بناء التمويه متعدد الجولات بأربع استراتيجيات → الهجوم المستهدف → حكم GPT-4o) متاح الآن في هذا المستودع. راجع البدء السريع أدناه.

⚡ البدء السريع

# 1. Install
pip install -r requirements.txt

# 2. Configure endpoints
#    Edit configs/default.yaml — fill in vLLM base_urls for the four roles:
#      models.generator   data-generation LLM
#      models.wizard      Wizard-Vicuna-Uncensored (or any unaligned LLM)
#      models.target      the target MLLM you want to attack
#      models.judge       judge LLM (paper used GPT-4o)
#    Smoke test: pointing all four at the same endpoint works fine.

# 3. Build a question file (or use the 3-question example)
python data/extract_questions.py \
    --input  /path/to/your/MMSafetyBench.json \
    --output data/mmsafebench_questions.json

# 4. Run the full pipeline
./run.sh

# Or run a single stage at a time:
RUN_STAGE=1 ./run.sh   # extract T2I prompts
RUN_STAGE=2 ./run.sh   # render core images (uses torchrun + SD3.5)
RUN_STAGE=3 ./run.sh   # multi-round spoof context (4 strategies × N gens × 4 rounds)
RUN_STAGE=4 ./run.sh   # render any extra images requested by stage3
RUN_STAGE=5 ./run.sh   # attack the target MLLM
RUN_STAGE=6 ./run.sh   # GPT-4o-as-judge ASR

🤖 نماذج الفريق الأحمر الموصى بها (لأدوار generator / wizard)

تحتوي خط الأنابيب على 4 أدوار لنماذج اللغة الكبيرة في configs/default.yaml: generator وwizard وtarget وjudge. يقوم دورا generator و**wizard** بالعمل الفعلي للفريق الأحمر (بناء سياقات مُنتحلة، وإنتاج استكمالات نجاح زائفة). يجب أن يكونا مستعدين لاتباع تعليمات الفريق الأحمر القائمة على القوالب في prompts/*.md — فالنماذج المتوافقة مع معايير السلامة عادةً ما ترفض وسيتدهور خط الأنابيب إلى مخرجات فارغة / غير قابلة للتحليل.

عملت النماذج التالية جيدًا لأدوار الفريق الأحمر:

النموذجالدور (الأدوار) المناسب لهاملاحظات
qwen-3.5-122B-uncensored-stxtgenerator + wizardمشتق من Qwen3 من إنتاج المجتمع. يقوم vllm_client.py بتعطيل وضع التفكير في Qwen3 تلقائيًا عند رؤية اسم هذا النموذج.
Qwen2.5-72B-Instructgeneratorمتوافق مع المعايير، لكنه عادةً ما يتعاون في إنتاج سياقات غير آمنة مُلفّقة.

النماذج التي ترفض بشكل متكرر (لا تستخدمها كـ generator أو wizard):

  • GPT-4 / GPT-4o، Claude 3.5+ — توافق قوي، وستستجيب لمطالبات الفريق الأحمر القائمة على القوالب بالرفض.
  • Llama-3-Instruct دون تجاوز إضافي.

اختبار سريع (3 أسئلة، ~5 دقائق)

إذا كنت تفضّل التحقق من خط الأنابيب بالكامل من البداية إلى النهاية قبل إجراء تشغيل حقيقي، فإن tools/run_real_smoke.sh هو غلاف يُشغَّل مرة واحدة ويكتب إعدادًا صغيرًا (3 أسئلة × استراتيجية واحدة × 1 توليد × جولتان)، ويشغّل جميع المراحل الست باستخدام انتشار SD3.5 الحقيقي، ويطبع عدد الملفات لكل مرحلة + ASR في النهاية. جميع المسارات قابلة للتجاوز عبر متغيرات البيئة:

SD_MODEL_PATH=/abs/path/to/stable-diffusion-3.5-large-turbo \
VLLM_URL=http://my-vllm-host:8000/v1 \
NUM_GPUS=N \
bash tools/run_real_smoke.sh

قم بزيادة متغيرات البيئة INPUT_QUESTIONS / STRATEGIES / GEN_PER_QUESTION / ROUNDS للتوسع إلى التشغيل الكامل المطابق للورقة البحثية.

🗺️ نظرة عامة على خط الأنابيب

تنزيل الأداة

الأكثر شعبية

عرض الكل →

اكتشف الأدوات الأكثر استخدامًا من قبل مجتمعنا.

لا توجد بيانات شعبية بعد.

استكشف جميع الأدوات

تصفح مجموعتنا من الأدوات

عرض جميع الأدوات →