面向大型视觉语言模型的渐进式双模态安全对齐漏洞检测方法

本申请公开了面向大型视觉语言模型的渐进式双模态安全对齐漏洞检测方法，将越狱攻击目标分解为对抗安全偏移与穿透有害性判别两个阶段共四个渐进子目标，构建目标导向的课程学习机制；针对视觉连续空间与文本离散空间的优化差异，设计三轮协同优化策略，包括视觉空间预热、文本空间预热及联合异步微调；构造包含肯定损失、拒绝抑制损失与延续损失的多维语义引导复合损失函数；并提出梯度引导的混合进化文本优化方法，通过预热初始化种群、进化搜索及动态种群重建，实现高效离散文本优化。本申请检测效率高，跨模型迁移性好，平均安全漏洞暴露率较现有最佳基线提升约10％，计算开销降低约42％。