通过反翻译来抵御 LLMs 的越狱攻击

该研究提出了一种基于最大似然的算法，用于多模态大型语言模型（MLLMs）的越狱攻击。通过寻找“图像越狱提示”（imgJP），在多个未知提示和图像上实现对 MLLMs 的越狱。同时，揭示了 MLLM 越狱和 LLM 越狱之间的联系，并引入了一种基于构造的方法，用于 LLM 越狱，比当前最先进的方法更高效。