# طريقة جديدة تختبر اختراقات بصرية لنماذج الذكاء الاصطناعي

> تفيد ورقة بحثية على arXiv بأن هجمات بالصور تجاوزت تدابير الحماية في عدة نماذج متعددة الوسائط، بينها GPT-5.6 وGemini 3.1 Pro.

Oossa · 2026-10-30 · https://oossa.com/ar/new-method-tests-visual-jailbreaks-across-ai-models

تاريخ الحدث: 2026-10-28

تصف ورقة بحثية أُرسلت إلى arXiv في 28 أكتوبر طريقةً لإنشاء هجمات متنوعة بالصور، يمكنها دفع نماذج اللغة الكبيرة متعددة الوسائط (MLLMs)—وهي أنظمة ذكاء اصطناعي تعالج الصور والنصوص—إلى الاستجابة لطلبات ضارة. ويسمي الباحثون الطريقة «Jailbreak Connectivity». وتشير اختباراتهم إلى معدلات نجاح مرتفعة للهجمات على عدة نماذج، لكن هذه النتائج هي تقييمات الورقة نفسها، وليست تأكيدًا مستقلًا على نجاح الهجمات في جميع الظروف.

بدلًا من تحسين صورة واحدة في كل مرة، تبحث «Jailbreak Connectivity» عن مسارات في فضاء الصور تظل الهجمة فعالة خلالها. ويؤدي أخذ عينات على امتداد هذه المسارات إلى إنتاج صور مختلفة يُراد لها أن تحفّز الاستجابة غير الآمنة نفسها. وتستخدم الطريقة أيضًا مصنفات «بديلة» صغيرة—نماذج أبسط تساعد في توجيه الهجمات نحو أنظمة أخرى—إلى جانب هدف يرمي إلى العمل مع مجموعة من الطلبات الضارة، لا مع طلب واحد فحسب.

## ماذا أظهرت الاختبارات؟

في معيار MM-SafetyBench، تفيد الورقة بأن متوسط معدلات نجاح الهجمات بلغ 84.01% على Qwen3-VL-8B-Instruct، و85.77% على InternVL3.5-8B، و97.95% على Gemma-3-12B-IT. ويقول الباحثون إن هذه النتائج تجاوزت أقوى طرق المقارنة بما يصل إلى 68.36 نقطة مئوية. وهذه أكبر فجوة مُبلّغ عنها، وليست ادعاءً بأن الطريقة تفوقت على كل نموذج بهذا المقدار.

وتعرض الورقة أيضًا تقييمات «الصندوق الأسود»، حيث يختبر المهاجمون نموذجًا من دون الوصول إلى مكوناته الداخلية. وبالمقارنة مع طريقة هجوم تُسمى FigStep، أفادت النتائج بأن «Jailbreak Connectivity» رفعت معدلات النجاح بمقدار 24.69 نقطة مئوية على GPT-5.6 و27.34 نقطة على Gemini 3.1 Pro. ولا يتضمن الملخص المعدلات الأولية أو ظروف الاختبار أو التفاصيل اللازمة لتقدير مدى انطباق هذه النتائج على إصدارات أخرى أو على الاستخدام الفعلي.

## ما الذي تثبته النتائج وما الذي لا تثبته؟

يضيف هذا العمل إلى الأبحاث التي تدرس ما إذا كانت المدخلات الصورية قادرة على تقويض تدابير السلامة في مساعدات الذكاء الاصطناعي. وتتمثل فكرته الأساسية في أن الهجمات البصرية الفعالة قد تشكّل مناطق مترابطة بدلًا من أمثلة منفردة، ما يتيح للباحثين إنشاء هجمات أكثر تنوعًا واختبار انتقالها بين النماذج. وتجعل معدلات النجاح المُعلنة هذا الأمر موضع اهتمام للمطورين الذين يقيّمون الأنظمة القادرة على معالجة الصور، لكنها لا تثبت أن المستخدمين العاديين يستطيعون تجاوز تدابير الحماية باستمرار في المحادثات اليومية.

ويعرض ملخص الورقة النتائج بوصفها دليلًا على وجود نقاط ضعف منظّمة في مواءمة السلامة. لكنه لا يثبت أداء الطريقة خارج التقييمات المذكورة، ولا يوضح ما إذا كان مزودو النماذج قد غيّروا تدابير الحماية استجابةً لها. وهذه أسئلة مهمة قبل اعتبار أرقام المعايير مقياسًا للمخاطر التي يتعرض لها المستخدمون.

## الحقائق

- يؤرخ سجل الإيداع على arXiv الورقة إلى 28 أكتوبر 2026.
- تُبلغ «Jailbreak Connectivity» عن متوسط معدل نجاح للهجمات يبلغ 84.01% على Qwen3-VL-8B-Instruct في MM-SafetyBench.
- تُبلغ الورقة عن متوسط معدل نجاح يبلغ 97.95% على Gemma-3-12B-IT في المعيار نفسه.
- في اختبارات الصندوق الأسود، تفوقت الطريقة بحسب التقرير على FigStep بمقدار 24.69 نقطة مئوية على GPT-5.6 و27.34 نقطة على Gemini 3.1 Pro.

## لماذا يهم

بالنسبة إلى مستخدمي مساعدات الذكاء الاصطناعي التي تقبل الصور، تسلط الورقة الضوء على نقطة ضعف محتملة في تدابير الحماية: فقد تساعد صورةٌ ما على استدراج إجابة ضارة، حتى عندما يكون النظام مصممًا للامتناع عنها. وتتناول الاختبارات المُعلنة معايير وإصدارات محددة من النماذج، لذا فهي لا توضح للمستخدمين مدى احتمال تجاوز الحماية في الاستخدام اليومي.

## المصادر والمراجع

1. [Jailbreak Connectivity: Towards Diverse, Transferable, and Universal Multimodal Large Language Model Jailbreak](https://arxiv.org/abs/2610.38091) – arXiv cs.LG, 2026-10-30
2. [Component Translation and Judge-Labelled Refusal: A Multilingual Safety Evaluation](https://arxiv.org/abs/2610.38181) – arXiv, 2026-10-30

آخر تحديث: 2026-10-30