该论文提出了一种针对大型视觉语言模型（LVLM）的新型越狱攻击方法，名为信息过载（Information Overloading）。LVLM 在个人助理、文档分析、具身智能等场景广泛应用，但其双模态攻击面（视觉和文本）易受越狱攻击。现有攻击方法通常采用简单设计，如短文本和分布外图像，但随着大语言模型骨架和多模态机制的进步，这些攻击的可迁移性显著下降。为克服此限制，作者提出同时利用扩展文本和多维图像攻击的信息过载方法。具体而言，该方法通过递归式图像-排版布局，将文本和图像攻击组件组合，指数级增加多模态信息复杂度。这种过载方式放大了所需的跨模态处理，从而破坏 LVLM 的安全对齐。在开源和商业 LVLM 上的大量实验表明，该方法达到了最先进的越狱攻击效果：开源模型平均攻击成功率（ASR）为 88.6%，商业 LVLM 平均 ASR 为 84.0%，超过最佳基线 48.7%。此外，在开源替代模型上优化的提示能够有效跨模型族迁移。实验还通过探测受害 LVLM 中安全关键信息流，发现复杂的图像-排版组合会引发强化的跨模态处理，并降低模型生成拒绝响应的确定性。这些发现凸显了信息过载作为实际且新兴的安全风险，需要针对复杂多模态越狱输入加强防御。

本研究聚焦于多图像内容中一种新型安全威胁——多图像隐式毒性（MIIT）。MIIT指的是每张图片单独看起来无害，但当多张图片被联合解读时，会产生有害语义。这种威胁在社交媒体中日益普遍，但现有的商业内容审核API和模型因缺乏每张图片中的显式风险线索而难以应对。本文首先给出了MIIT的形式化定义，并分析了检测该威胁的三个关键挑战：隐式语义组合、上下文依赖性和缺乏标注数据。为缓解数据稀缺问题，研究者通过自动化生成管道构建了MIIT-dataset，这是一个仅包含图像的多图像安全数据集，涵盖七个代表性风险类别（如仇恨言论、暴力、性暗示等）。在此基础上，他们提出了MiShield模型，该模型通过渐进式蒸馏推理监督进行训练，能够生成安全判断并附带有害相关实体的显式分析。实验表明，MiShield-8B模型在MIIT检测任务上优于代表性审核服务（如Google Cloud Vision、Amazon Rekognition）甚至更大规模的模型（如Gemini、GPT-4V），揭示了该模型对于这一广泛使用的视觉格式的有效性和实用价值。该论文同时也包含潜在敏感内容，警告读者注意。