一种语义约束对抗样本的生成方法及系统

本发明公开了一种语义约束对抗样本的生成方法及系统。该方法首先构建基于自然语言指令的对抗样本生成任务并初始化参数；随后部署代理模型与双分支噪声估计的扩散模型；通过判断指令复杂度，选择性采用掩码引导实现空间分化的自然性约束；通过构建残差引导的对抗性DDIM采样器，并结合自适应优化迭代算法，在降低计算复杂度的同时增强攻击迁移性；针对三维生成需求，进一步集成三维高斯溅射渲染模型，通过多视角梯度平均确保几何一致性。本发明有效解决了现有技术语义控制不精、迁移攻击性弱、三维生成一致性差等问题，在多种目标模型上实现了攻击成功率与视觉自然性的显著提升，为多模态大模型的安全测评与对齐提供了高效可靠的红队测试工具。