VisInject：视觉语言模型的图像提示注入（v1.1）

将通用对抗图像优化与 AnyAttack 特征融合相结合，评估 6615 组干净图像与对抗图像的回答，分别衡量输出扰动和目标内容注入。

报告日期

2026年4月原报告封面仅注明 2026 年 4 月，未给出具体日期。此处保留 v1.1 期末报告；Hugging Face 当前 v1.5 采用不同评估方法。

原报告作者

Pang Liu

报告语言

英文 · 18 页

主要观察

v1.1 报告记录约 66% 的输出扰动和 0.227% 的目标内容匹配，其中两例为字面 URL 注入。这两例字面注入均发生在代码截图上。

范围与限制

实验仅覆盖 7 幅图像和 4 个小型开源 VLM；关键词与正则匹配可能漏记语义改写，GPT-4o 迁移测试仅有单个案例。原报告数字不能与后续 v1.5 的模型评审统计混用。