Skip to content
KitploitKITPLOIT
工具漏洞利用博客
Log in
提交
工具漏洞利用博客
提交

黑客、渗透测试和网络安全工具,武装您的安全武器库!

Kitploit 是一个黑客、网络安全和渗透测试工具的目录。发现最新的项目更新,查找漏洞、分析系统、自动化测试并加强你的安全。

订阅源联系隐私© 2026 Kitploit

工具目录

分类

查看所有分类
Loading categories
Visco-Attack — 研究流水线,针对多模态大语言模型实现视觉-上下文越狱:T2I 提示提取、SD3.5 图像渲染、多轮欺骗上下文构建,以及由 GPT-4o 评判的 ASR 评估。 | Kitploit
工具/GitHubGitHub/dtc7w3pq/visco-attack
机器学习论文与研究红队AI 安全对抗性攻击
GitHubdtc7w3pq/visco-attack

Visco-Attack

研究流水线,针对多模态大语言模型实现视觉-上下文越狱:T2I 提示提取、SD3.5 图像渲染、多轮欺骗上下文构建,以及由 GPT-4o 评判的 ASR 评估。

查看仓库
3117个月前Kitploit 审核通过
分享

视觉上下文攻击:利用图像驱动的上下文注入越狱 MLLMs

Paper Data HF Downloads GitHub Stars

VisCo-Attack Original 开创了一种以视觉为中心的攻击范式,并在多轮对话中利用多张图像;其量身定制的上下文捏造策略对领先的 MLLMs 实现了显著高的攻击成功率,使其成为迄今为止针对 MLLMs 最强的越狱方法之一。

如果您对我们的工作感兴趣,请为我们的项目点亮 ⭐,谢谢 💕

⚠️ 警告: 本仓库包含对抗性提示技术,仅供研究与安全目的使用。

📝 概述

VisCo-Attack 是我们在论文《Visual Contextual Attack: Jailbreaking MLLMs with Image-Driven Context Injection》中提出的视觉上下文越狱框架。VisCo-Attack 不将图像仅视为触发器,而是构建一个逼真、虚构的多轮对话上下文,其中视觉输入对有害场景至关重要。它通过四种以图像为中心的策略——基于图像的情景模拟(VS)、多视角分析(VM)、迭代询问(VI)和幻觉利用(VH)——自动编织该上下文,然后执行毒性混淆和语义精炼,以生成单一的攻擊提示。在完全黑盒设置下,该提示能够可靠地攻破 GPT-4o、Gemini 2.0 flash 和 InternVL-2.5 等最先进的 MLLMs,在 MM-SafetyBench、FigStep-SafeBench 和 HarmBench 上将攻击成功率推高至 85 – 91 %,同时保持毒性分数高于 4.7 / 5。

Visco-Attack 方法示意图

图:视觉上下文攻击(Visco-Attack)方法概述。

🚀 动态

  • [2025/7/3] 在 MM-SafetyBench 上发布四种不同策略的攻击上下文,现已在 Hugging Face 上提供。代码将在论文被接收后发布。
  • [2025/7/4] 我们的论文现已在 arXiv 上发布:https://arxiv.org/abs/2507.02844。
  • [2025/7/19] 为每个重新对齐的 MM-SafetyBench 样本提供了 SD + 排版图像(SD 图像在上,关键词在下)。仅用于基线复现;不属于我们的攻击方法。
  • [2025/8/14] 我们的 Hugging Face 数据集下载量已超过 10,000 🎉🎉🎉!感谢您的支持!
  • [2025/8/21] VisCo Attack 被 EMNLP 2025 主会议接收!代码即将发布~
  • [代码发布] 端到端流水线(T2I 提示提取 → SD3.5 → 4 策略多轮欺骗构建 → 目标攻击 → GPT-4o 评判)现已在本仓库中。请参阅下方的快速开始。

⚡ 快速开始

# 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

🤖 推荐的红队模型(用于 generator / wizard 角色)

该流水线在 configs/default.yaml 中有 4 个 LLM 角色: generator、wizard、target、judge。generator 和 wizard 角色负责实际的红队工作(构造欺骗性上下文、生成 虚假成功的续写)。它们必须愿意遵循 prompts/*.md 中的模板化 红队指令——安全对齐的模型通常会拒绝,流水线将退化为空 / 无法解析的 输出。

以下模型在红队角色中表现良好:

模型适合的角色备注
qwen-3.5-122B-uncensored-stxtgenerator + wizard一个社区 Qwen3 衍生模型。当 vllm_client.py 检测到该模型名称时会自动禁用 Qwen3 思考模式。
Qwen2.5-72B-Instructgenerator已对齐,但通常仍会配合生成虚构的不安全上下文。

经常拒绝的模型(不要将它们用作 generator 或 wizard):

  • GPT-4 / GPT-4o、Claude 3.5+——对齐性强,会对模板化红队提示 作出拒绝响应。
  • 未经进一步绕过的 Llama-3-Instruct。

冒烟测试(3 个问题,约 5 分钟)

如果你希望在正式运行前先端到端验证整条流水线, tools/run_real_smoke.sh 是一个一次性封装脚本,它会写入一个极小的配置(3 个问题 × 1 种策略 × 1 次生成 × 2 轮),使用真实的 SD3.5 扩散模型运行全部 6 个阶段,并在最后打印各阶段的文件数量 + ASR。所有路径均可 通过环境变量覆盖:

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

调高 INPUT_QUESTIONS / STRATEGIES / GEN_PER_QUESTION / ROUNDS 环境变量,以扩展到与论文完全一致的完整运行规模。

🗺️ 流水线概览

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

第 3 阶段是该方法的核⼼。在循环内部,对于 rounds 次迭代(默认 4 次)中的每⼀次,它都会执⾏:

  1. wizard fill — 将 Wizard-Vicuna-Uncensored 喂以伪装轮次加上当前攻击提示词,作为⼀段伪造的对话。其顺从的回复被存储为 wizard_response,并作为“成功是什么样⼦”的参考。
  2. refine(在最后⼀次 wizard fill 之后跳过)— 将原始有害问题、伪装轮次、当前攻击提示词以及 wizard 参考提供给生成器 LLM。它输出⼀个包含 drift_status(yes/no)和 revised_attack_prompt 的 JSON。如果提供了重写,它会就地替换攻击提示词;随后丢弃过时的 wizard_response。

单次初始生成还会⼀次性为策略所需的任何额外图像生成 T2I 风格的描述(参见 promptParts.image_path.description 字段)。Stage4 会接收这些描述并用 SD3.5 渲染它们;不请求额外内容的策略则直接原样通过 stage4。

📁 仓库布局

下载工具

最受欢迎

查看全部 →

发现我们社区最常用的工具。

  • 1

    OsintHunter

    letox4/osinthunter

    🎯 终极 OSINT 工具包:调查图谱、置信度评分、别名家族、地图、时间线和报告。49 个模块、400+ 个站点,无需 API 密钥。

    668
  • 2

    ghostlock-app

    yukonga/ghostlock-app

    GhostLock 一键执行应用(CVE-2026-43499)

    496
  • 3

    ARTEX

    baarai/artex

    基于LLM的多智能体自主渗透测试平台,具备规划器/执行器智能体、资产与探索图谱、MITM流量记录以及漏洞复测功能。

    394
  • 4

    redforge

    cybersecurity91/redforge

    浏览器端红队工具包,包含 102 个离线工具,用于侦察、载荷生成、凭据攻击、加密、编码和交战报告。

    339
  • 5

    CyberStrikeAI

    ed1s0nz/cyberstrikeai

    AI原生网络安全的行动系统——在这里,意图转化为受治理的执行,证据沉淀为运营记忆,每一次操作都让下一次更出色。

    258
  • 6

    antifox

    antifox-ai/antifox

    AI multi-agent autonomous penetration testing platform that runs recon, attack-surface discovery, exploitation validation and evidence-backed report delivery.

    254

探索所有工具

浏览我们的工具集合

查看所有工具 →