Walking the Embedding Space: Datastore Extraction from Multimodal RAG
多模态检索增强生成(MRAG)已成为将多模态大模型(MLLM)的生成能力锚定到相关、及时的外部知识的可靠且低成本手段。它在降低幻觉方面有明显收益,但同时引入了新的攻击面,包括私有信息泄露和针对数据抽取攻击的脆弱性。本文提出 IMMRAG,一
共收录 2 条相关情报。
← 返回所有主题多模态检索增强生成(MRAG)已成为将多模态大模型(MLLM)的生成能力锚定到相关、及时的外部知识的可靠且低成本手段。它在降低幻觉方面有明显收益,但同时引入了新的攻击面,包括私有信息泄露和针对数据抽取攻击的脆弱性。本文提出 IMMRAG,一
本论文研究了感知哈希(Perceptual Hashing)算法的安全性,重点关注其在实际应用(如版权检测、内容审核)中的脆弱性。作者提出了一种针对感知哈希的对抗性攻击方法,能够操纵图像使得其感知哈希值在攻击者控制下发生变化,而视觉效果保持