# Un método prueba ataques visuales contra varios modelos de IA

> Un artículo publicado en arXiv señala que ataques basados en imágenes eludieron las protecciones de varios modelos multimodales, entre ellos GPT-5.6 y Gemini 3.1 Pro.

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

Fecha del evento: 2026-10-28

Un artículo de investigación enviado a arXiv el 28 de octubre describe un método para crear diversos ataques basados en imágenes que pueden hacer que los modelos de lenguaje grandes multimodales (MLLM), sistemas de IA que procesan imágenes y texto, respondan a solicitudes dañinas. Los autores llaman al método Jailbreak Connectivity. En sus pruebas, obtuvieron altas tasas de éxito, pero los resultados corresponden a las evaluaciones del artículo; no son una confirmación independiente de que los ataques funcionen en cualquier contexto.

En lugar de optimizar una imagen a la vez, Jailbreak Connectivity busca trayectorias en el espacio de imágenes a lo largo de las cuales el ataque siga siendo eficaz. Al tomar muestras de esas trayectorias, genera distintas imágenes diseñadas para provocar la misma respuesta insegura. El método también emplea pequeños clasificadores «sustitutos» —modelos más sencillos que ayudan a orientar los ataques hacia otros sistemas— y un objetivo que busca funcionar con una variedad de consultas dañinas, en vez de con una sola.

## ¿Qué encontraron las pruebas?

En MM-SafetyBench, el artículo informa tasas medias de éxito de los ataques del 84.01% contra Qwen3-VL-8B-Instruct, del 85.77% contra InternVL3.5-8B y del 97.95% contra Gemma-3-12B-IT. Los autores afirman que estos resultados superaron hasta en 68.36 puntos porcentuales a los métodos de comparación más sólidos. Esa es la mayor diferencia registrada; no significa que el método venciera a todos los modelos por ese margen.

El artículo también describe evaluaciones de caja negra, en las que los atacantes prueban un modelo sin acceder a su funcionamiento interno. Frente a un método de ataque llamado FigStep, Jailbreak Connectivity habría aumentado las tasas de éxito en 24.69 puntos porcentuales en GPT-5.6 y en 27.34 puntos en Gemini 3.1 Pro. El resumen no indica las tasas iniciales, las condiciones de prueba ni los detalles necesarios para evaluar hasta qué punto estos resultados se aplican a otras versiones o al uso en el mundo real.

## Qué muestran —y qué no— los resultados

Este trabajo se suma a las investigaciones sobre si las imágenes pueden debilitar las medidas de seguridad de los asistentes de IA. Su principal afirmación es que los ataques visuales eficaces podrían formar regiones conectadas, en vez de ser ejemplos aislados, lo que permitiría a los investigadores generar ataques más variados y probar si se transfieren entre modelos. Las tasas de éxito informadas hacen de este un aspecto importante para los desarrolladores que evalúan sistemas capaces de procesar imágenes, pero no demuestran que los usuarios comunes puedan eludir las protecciones de forma fiable en conversaciones cotidianas.

El resumen del artículo presenta los resultados como evidencia de debilidades estructuradas en la alineación de seguridad. No establece cómo funciona el método fuera de las evaluaciones mencionadas ni si los proveedores de modelos han modificado sus protecciones en respuesta. Esas cuestiones son importantes antes de considerar que las cifras de las pruebas comparativas miden el riesgo para los usuarios.

## Los hechos

- El historial de envíos a arXiv fecha el artículo el 28 de octubre de 2026.
- Jailbreak Connectivity informa una tasa media de éxito de los ataques del 84.01% contra Qwen3-VL-8B-Instruct en MM-SafetyBench.
- El artículo informa una tasa media de éxito del 97.95% contra Gemma-3-12B-IT en la misma prueba comparativa.
- En las pruebas de caja negra, el método habría superado a FigStep por 24.69 puntos porcentuales en GPT-5.6 y por 27.34 puntos en Gemini 3.1 Pro.

## Por qué importa

Para quienes usan asistentes de IA que aceptan imágenes, el artículo señala una posible debilidad en las protecciones: una imagen podría ayudar a obtener una respuesta dañina incluso cuando el sistema está diseñado para rechazarla. Las pruebas informadas corresponden a pruebas comparativas y versiones específicas de modelos, así que no indican qué tan probable es eludir las protecciones durante el uso cotidiano.

## Fuentes y referencias

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

Última actualización: 2026-10-30