人大与阿里提出LoD：无需越狱样本即可检测LVLM未见攻击

中国人民大学与阿里巴巴团队在EMNLP'26上提出了LoD框架，用于检测大型视觉语言模型（LVLM）中的越狱攻击。该方法不依赖已知的攻击样本，而是通过学习模型内部的安全激活模式来识别异常的未见攻击。实验显示，LoD在多种主流LVLM上均取得了接近完美的检测准确率，显著优于现有基线方法。

+3