GRM：兼顾正常任务表现的音频大模型越狱攻击评测

音频 大语言模型 (ALLM) 支持语音交互，但引入了新的越狱漏洞。现有的基于扰动的越狱没有明确控制哪些频段携带扰动。尽管此类扰动可能会引发不安全的响应，但在不同的输入中重复应用通用扰动也可能会降低正常任务的效用，留下明显的行为足迹，可能会将攻击暴露给用户或自动监控系统，从而损害其隐秘性。为了确定是否需要全频带扰动，我们将覆盖范围从部分频带更改为全频带。越狱成功率 (JSR) 非单调变化，而效用下降随着覆盖范围的增加而增加。这种不匹配表明，与全频带扰动相比，选定的频带可以产生更强的攻击，且效用下降更少。基于这一观察，我们提出了 GRM，一种任务效用感知、频率选择性越狱框架，根据越狱贡献和转录敏感度之间的比率对 Mel 频段进行排名，将普遍扰动限制在选定的频段，并规范与预期请求语义的偏差。对四个 ALLM 的实验表明，GRM 的平均 JSR 达到 88.46%，同时相对于基线大幅减少了良性转录和响应任务的效用下降。我们的代码可在 \href{https://github.com/159753Fetter/GRM}{此存储库} 获取。警告：本文包含潜在敏感内容。