Skip to content
KitploitKITPLOIT
HerramientasExploitsBlog
Log in
Enviar
HerramientasExploitsBlog
Enviar

¡Herramientas de Hacking, PenTest y Ciberseguridad para tu Arsenal de Seguridad!

Kitploit es un directorio de herramientas de hacking, ciberseguridad y pentesting. Descubre las últimas actualizaciones de proyectos para encontrar vulnerabilidades, analizar sistemas, automatizar pruebas y fortalecer tu seguridad.

FeedsContactoPrivacidad© 2026 Kitploit

Directorio de Herramientas

Categorías

Ver todas las categorías
Loading categories
Herramientas/GitHubGitHub/dtc7w3pq/visco-attack
Aprendizaje AutomáticoPapers e InvestigaciónRed TeamingSeguridad de IAAtaque Adversario
GitHubdtc7w3pq/visco-attack

Visco-Attack

Pipeline de investigación que implementa un jailbreak visual-contextual contra LLMs multimodales: extracción de prompts T2I, renderizado de imágenes con SD3.5, construcción de contexto de suplantación en múltiples rondas y evaluación de ASR juzgada por GPT-4o.

Ver Repositorio
311hace 7 mesesRevisado por Kitploit
Compartir

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

Paper Data HF Downloads GitHub Stars

VisCo-Attack Original es pionero de un paradigma de ataque centrado en la visión y aprovecha múltiples imágenes a lo largo de diálogos de múltiples turnos; sus estrategias personalizadas de fabricación de contexto logran una tasa de éxito de ataque notablemente alta contra los principales MLLMs, posicionándolo como uno de los métodos de jailbreak más potentes para MLLMs hasta la fecha.

Si estás interesado en nuestro trabajo, por favor dale una estrella ⭐ a nuestro proyecto, Gracias 💕

⚠️ ADVERTENCIA: Este repositorio contiene técnicas de prompts adversarios destinadas únicamente a fines de investigación y seguridad.

📝 Descripción general

VisCo-Attack es nuestro framework de jailbreak visual-contextual presentado en el artículo "Visual Contextual Attack: Jailbreaking MLLMs with Image-Driven Context Injection". En lugar de tratar una imagen como un mero disparador, VisCo-Attack construye un contexto de diálogo de múltiples turnos realista y fabricado en el que la entrada visual es esencial para el escenario dañino. Teje automáticamente ese contexto con cuatro estrategias centradas en imágenes —Simulación de Escenario Basada en Imágenes (VS), Análisis Multiperspectiva (VM), Interrogación Iterativa (VI) y Explotación de Alucinaciones (VH)— y luego realiza ofuscación de toxicidad y refinamiento semántico para producir un único prompt de ataque. En un entorno totalmente de caja negra, este prompt rompe de forma fiable MLLMs de última generación como GPT-4o, Gemini 2.0 flash e InternVL-2.5, elevando la tasa de éxito de ataque al 85 – 91 % en MM-SafetyBench, FigStep-SafeBench y HarmBench, mientras mantiene puntuaciones de toxicidad superiores a 4.7 / 5.

Visco-Attack Method Illustration

Figura: Descripción general del método Visual Contextual Attack (Visco-Attack).

🚀 Novedades

  • [2025/7/3] Publicación de los contextos de ataque para cuatro estrategias distintas en MM-SafetyBench, ahora disponibles en Hugging Face. El código se publicará tras la aceptación del artículo.
  • [2025/7/4] Nuestro artículo ya está disponible en arXiv: https://arxiv.org/abs/2507.02844.
  • [2025/7/19] Se proporcionaron imágenes SD + Tipografía para cada muestra realineada de MM-SafetyBench (imagen SD arriba, palabra clave abajo). Usadas solo para la reproducción de líneas base; no forman parte de nuestro método de ataque.
  • [2025/8/14] ¡Las descargas de nuestro dataset en Hugging Face han superado las 10,000 🎉🎉🎉! ¡Gracias por vuestro apoyo!
  • [2025/8/21] ¡VisCo Attack fue aceptado en la Conferencia Principal de EMNLP 2025! El código se publicará pronto~
  • [Publicación del código] El pipeline de extremo a extremo (extracción de prompts T2I → SD3.5 → construcción de suplantación multi-ronda de 4 estrategias → ataque objetivo → juez GPT-4o) ya está en este repositorio. Consulta Inicio rápido a continuación.

⚡ Inicio rápido

# 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

🤖 Modelos de red-team recomendados (para los roles generator / wizard)

El pipeline tiene 4 roles de LLM en configs/default.yaml: generator, wizard, target, judge. Los roles generator y wizard hacen el trabajo real de red-team (construir contextos falsificados, producir continuaciones de falso éxito). Deben estar dispuestos a seguir las instrucciones de red-team basadas en plantillas en prompts/*.md — los modelos alineados con la seguridad normalmente se negarán y el pipeline se degradará a salidas vacías o no analizables.

Los siguientes modelos funcionaron bien para los roles de red-team:

ModeloRol(es) para los que sirveNotas
qwen-3.5-122B-uncensored-stxtgenerator + wizardUn derivado de Qwen3 de la comunidad. vllm_client.py desactiva automáticamente el modo de pensamiento de Qwen3 cuando detecta este nombre de modelo.
Qwen2.5-72B-InstructgeneratorAlineado, pero normalmente aún coopera produciendo contextos inseguros fabricados.

Modelos que se niegan con frecuencia (no los uses como generator o wizard):

  • GPT-4 / GPT-4o, Claude 3.5+ — alineación fuerte, responderán a las indicaciones de red-team basadas en plantillas con negativas.
  • Llama-3-Instruct sin un bypass adicional.

Prueba de humo (3 preguntas, ~5 minutos)

Si prefieres verificar todo el pipeline de extremo a extremo antes de hacer una ejecución real, tools/run_real_smoke.sh es un wrapper de un solo uso que escribe una configuración mínima (3 preguntas × 1 estrategia × 1 gen × 2 rondas), ejecuta las 6 etapas con difusión SD3.5 real, e imprime los recuentos de archivos por etapa + ASR al final. Todas las rutas son sobrescribibles mediante variables de entorno:

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

Aumenta las variables de entorno INPUT_QUESTIONS / STRATEGIES / GEN_PER_QUESTION / ROUNDS para escalar hasta la ejecución completa fiel al artículo.

🗺️ Descripción general del pipeline

Descargar herramienta

Más Populares

Ver todos →

Descubre las herramientas más usadas por nuestra comunidad.

Sin datos de popularidad aún.

Explora todas las herramientas

Explora nuestra colección de herramientas

Ver todas las herramientas →