广度战胜深度：通过面向广度的后缀搜索改进基于 GCG 的越狱优化

基于优化的越狱攻击，例如贪婪坐标梯度（GCG），通过优化白盒源模型上的对抗性后缀，实现了强大的有效性和可转移性。然而，现有的基于 GCG 的方法依赖于平均对抗性损失和深度贪婪搜索，这可能会过分强调易于越狱的行为，而忽略后缀空间中有希望的区域。我们提出了 BOSS，一个即插即用的框架，通过面向广度的后缀搜索来改进基于 GCG 的越狱优化。 BOSS使用Tail-Focused Adversarial Loss（TFAL）、标准源损失和行为覆盖来选择终端后缀，然后探索多个短轨迹并选择性地继续有希望的后缀。公共基准测试表明，BOSS 提高了多种基于 GCG 的方法的攻击成功率，同时减少了优化时间。