该论文首次系统性地研究了针对可穿戴设备（如智能眼镜）上视觉-语言模型（VLM）的物理提示注入攻击。作者指出，随着VLM被部署在人脸朝向的可穿戴设备上，物理环境中的恶意文本（如广告牌、海报上的敌意文字）可以作为间接提示注入的视觉通道，劫持VLM的行为。这类攻击不仅能中断设备的正常任务（如视觉问答、场景描述），还能引导模型生成粗俗、偏见甚至虚假的输出。研究团队在超过200个真实环境中使用AI眼镜拍摄照片，识别出6种代表性的物理注入提示威胁向量，并在12个VLM模型上评估。结果显示，攻击在模拟和真实环境中分别达到高达96%和60%的成功率，模型表现出对环境中文本的过度信任，忽略实际视觉上下文并产生完全相反的摘要或指令。为应对这一威胁，作者提出了两种针对性的防御策略：基于掩码的外部过滤器和基于语义向量的内部检测器，有效降低了攻击成功率和安全影响。