Skip to content
KitploitKITPLOIT
ツールエクスプロイトブログ
Log in
提出
ツールエクスプロイトブログ
提出

ハッキング、侵入テスト、サイバーセキュリティツールをあなたのセキュリティアーセナルに!

Kitploitはハッキング、サイバーセキュリティ、ペネトレーションテストのツールディレクトリです。最新のプロジェクトアップデートを見つけて、脆弱性の発見、システム分析、テストの自動化、セキュリティの強化を行いましょう。

フィードお問い合わせプライバシー© 2026 Kitploit

ツールディレクトリ

カテゴリ

すべてのカテゴリを見る
Loading categories
Visco-Attack — マルチモーダルLLMに対する視覚的文脈ジェイルブレイクを実装した研究パイプライン:T2Iプロンプト抽出、SD3.5による画像レンダリング、複数ラウンドのなりすましコンテキスト構築、GPT-4oが判定するASR評価。 | Kitploit
ツール/GitHubGitHub/dtc7w3pq/visco-attack
機械学習論文と研究レッドチーミングAIセキュリティ敵対的攻撃
GitHubdtc7w3pq/visco-attack

Visco-Attack

マルチモーダルLLMに対する視覚的文脈ジェイルブレイクを実装した研究パイプライン:T2Iプロンプト抽出、SD3.5による画像レンダリング、複数ラウンドのなりすましコンテキスト構築、GPT-4oが判定するASR評価。

リポジトリを見る
3117ヶ月前Kitploit レビュー済み
共有

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

Paper Data HF Downloads GitHub Stars

VisCo-Attack Originalは、視覚中心の攻撃パラダイムを開拓し、マルチターン対話全体で複数の画像を活用します。その特化したコンテキスト捏造戦略により、主要なMLLMに対して顕著に高い攻撃成功率を実現し、今日のMLLMに対する最も強力なジェイルブレイク手法の一つとして位置づけられています。

私たちの研究にご興味をお持ちいただけましたら、ぜひプロジェクトにスター⭐をお願いします。Thx 💕

⚠️ 警告: このリポジトリには、研究および安全目的のみを意図した敵対的プロンプト技術が含まれています。

📝 概要

VisCo-Attack は、論文「Visual Contextual Attack: Jailbreaking MLLMs with Image-Driven Context Injection」で導入された私たちの視覚的文脈ジェイルブレイクフレームワークです。VisCo-Attackは、画像を単なるトリガーとして扱うのではなく、視覚入力が有害なシナリオに不可欠となる、現実的で捏造されたマルチターン対話コンテキストを構築します。このコンテキストを、画像中心の4つの戦略—Image-Grounded Scenario Simulation (VS)、Multi-Perspective Analysis (VM)、Iterative Interrogation (VI)、Hallucination Exploitation (VH)—で自動的に織り交ぜ、その後、毒性の難読化と意味的洗練を施して単一の攻撃プロンプトを生成します。完全なブラックボックス設定の下で、このプロンプトはGPT-4o、Gemini 2.0 flash、InternVL-2.5などの最先端MLLMを確実に突破し、MM-SafetyBench、FigStep-SafeBench、HarmBenchにおいて攻撃成功率を85~91%まで押し上げ、同時に毒性スコアを4.7/5以上に維持します。

Visco-Attack Method Illustration

図: Visual Contextual Attack (Visco-Attack) 手法の概要。

🚀 ニュース

  • [2025/7/3] MM-SafetyBench 上の4つの異なる戦略の攻撃コンテキストを公開しました。現在 Hugging Face で利用可能です。コードは論文採択後に公開されます。
  • [2025/7/4] 論文がarXivで公開されました: https://arxiv.org/abs/2507.02844。
  • [2025/7/19] 再調整された各MM-SafetyBenchサンプルに対してSD + Typography画像を提供しました(SD画像が上、キーワードが下)。ベースラインの再現のみに使用され、私たちの攻撃手法の一部ではありません。
  • [2025/8/14] Hugging Faceデータセットのダウンロード数が10,000を突破しました 🎉🎉🎉!ご支援ありがとうございます!
  • [2025/8/21] VisCo AttackがEMNLP 2025メインカンファレンスに採択されました!コードは近日公開予定です~
  • [コード公開] エンドツーエンドのパイプライン(T2Iプロンプト抽出 → SD3.5 → 4戦略マルチラウンドスプーフ構築 → ターゲット攻撃 → GPT-4oジャッジ)がこのリポジトリに含まれています。以下のクイックスタートをご覧ください。

⚡ クイックスタート

# 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

🤖 推奨されるレッドチームモデル(generator / wizard ロール用)

パイプラインには configs/default.yaml で4つのLLMロールがあります: generator、wizard、target、judge。generator と wizard ロールが実際のレッドチーム作業(偽装コンテキストの構築、偽の成功継続の生成)を 行います。これらのロールは prompts/*.md にあるテンプレート化された レッドチーム指示に従う意思が必要です — 安全性で調整されたモデルは通常 拒否し、パイプラインは空または解析不能な出力に劣化します。

以下のモデルはレッドチームロールで良好に動作しました:

モデル適するロール備考
qwen-3.5-122B-uncensored-stxtgenerator + wizardコミュニティ製のQwen3派生モデル。vllm_client.py はこのモデル名を検出するとQwen3の思考モードを自動的に無効化します。
Qwen2.5-72B-Instructgenerator調整済みだが、通常は偽造された安全でないコンテキストの生成に協力します。

頻繁に拒否するモデル(generator や wizard として使用しないでください):

  • GPT-4 / GPT-4o、Claude 3.5+ — 強力な調整がされており、テンプレート化された レッドチームプロンプトに対して拒否応答を返します。
  • 追加のバイパスなしのLlama-3-Instruct。

スモークテスト(3問、約5分)

実際の実行を行う前にパイプライン全体をエンドツーエンドで検証したい場合は、 tools/run_real_smoke.sh がワンショットのラッパーです。これは小さな設定(3問 × 1戦略 × 1生成 × 2ラウンド)を書き出し、実際のSD3.5拡散で全6ステージを実行し、 最後にステージごとのファイル数とASRを出力します。すべてのパスは環境変数で 上書き可能です:

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

INPUT_QUESTIONS / STRATEGIES / GEN_PER_QUESTION / ROUNDS の環境変数を引き上げて、論文に忠実なフル実行までスケールアップします。

🗺️ パイプラインの概要

data/mmsafebench_questions.json
        │
        ▼  stage1  generator LLM + prompts/t2i_prompt_extractor.md
outputs/stage1_t2i_prompts.json
        │
        ▼  stage2  local SD3.5 (torchrun)
outputs/core_images/<category>/<qid>.png
outputs/stage2_core_images.json   ← manifest used by stage3
        │
        ▼  stage3  generator + wizard + refine, looped `rounds` times,
        │          run independently for each strategy ∈
        │          {scenario_simulation, multi_perspective,
        │           iterative_interrogation, image_hallucination}
outputs/spoof/<strategy>/<category>/<qid>_gen<k>.json
        │
        ▼  stage4  local SD3.5 — only fires for samples whose stage3 JSON
        │          requested extra images (most strategies do)
outputs/spoof/<strategy>/<category>/images/*.png   (paths rewritten in-place)
        │
        ▼  stage5  target MLLM (vLLM OpenAI-compat)
outputs/attack_results/<strategy>/<category>/<qid>_gen<k>.json
        │
        ▼  stage6  judge LLM (GPT-4o-as-judge)
outputs/eval/<strategy>/<category>/<qid>_gen<k>.json
outputs/eval/<strategy>_summary.json
outputs/eval/overall_summary.json   ← best-of-strategies ASR

Stage 3 はこの手法の核心です。ループ内で、rounds 回の反復(デフォルト 4)ごとに以下を実行します:

  1. wizard fill — Wizard-Vicuna-Uncensored に、なりすましラウンドと現在の攻撃プロンプトを偽の会話として入力します。その従順な返答は wizard_response として保存され、「成功とはどのようなものか」の参照として機能します。
  2. refine(最後の wizard fill の後はスキップ) — 生成 LLM に、元の有害な質問、なりすましラウンド、現在の攻撃プロンプト、および wizard の参照を渡します。LLM は drift_status(yes/no)と revised_attack_prompt を含む JSON を出力します。書き換えが提供された場合、それは攻撃プロンプトをその場で置き換えます。その後、古い wizard_response は破棄されます。

単一の初期生成では、戦略が必要とする追加画像のための T2I 形式の説明も一度に生成します(promptParts.image_path.description フィールドを参照)。Stage4 はそれらを取得し、SD3.5 でレンダリングします。追加を要求しない戦略は、stage4 をそのまま通過するだけです。

📁 リポジトリ構成

ツールをダウンロード

人気

すべて見る →

コミュニティで最も使われているツールを見つけましょう。

  • 1

    OsintHunter

    letox4/osinthunter

    🎯 究極のOSINTツールキット:調査グラフ、信頼度スコアリング、エイリアスファミリー、マップ、タイムライン、レポート。49個のモジュール、400以上のサイト、APIキー不要。

    668
  • 2

    ghostlock-app

    yukonga/ghostlock-app

    GhostLock ワンタップ実行アプリ(CVE-2026-43499)

    496
  • 3

    ARTEX

    baarai/artex

    プランナー/ワーカーエージェント、資産グラフと探索グラフ、MITMトラフィック記録、脆弱性の再テストを備えたLLMマルチエージェント自律ペネトレーションテストプラットフォーム。

    394
  • 4

    redforge

    cybersecurity91/redforge

    ブラウザ側のレッドチームツールキット。偵察、ペイロード生成、認証情報攻撃、暗号、エンコーディング、エンゲージメントレポート向けの102のオフラインツールを備えています。

    339
  • 5

    CyberStrikeAI

    ed1s0nz/cyberstrikeai

    AIネイティブなサイバーセキュリティのためのアクションシステム。意図がガバナンスされた実行に変わり、証拠が運用記憶となり、すべての操作が次の操作を改善する。

    258
  • 6

    antifox

    antifox-ai/antifox

    偵察、攻撃対象領域の探索、エクスプロイト検証、証拠に基づくレポート提供を実行するAIマルチエージェント自律ペネトレーションテストプラットフォーム。

    254

すべてのツールを探索

ツールコレクションを閲覧

すべてのツールを見る →