SceneJail: Exploiting Video Scenario Context to Jailbreak Multimodal LLMs

arXiv cs.CR · 1 oct, 06:00

Investigadores presentan SceneJail, un ataque de jailbreak contra modelos de lenguaje multimodal capaces de procesar vídeo (Video-MLLMs). El método aprovecha el contexto de la escena de vídeo para eludir los filtros de seguridad: la misma consulta nociva produce respuestas diferentes según el escenario de vídeo que la rodea. Las pruebas en ocho modelos, incluyendo GPT-4.1 y Gemini 3.5-Flash, logran tasas de éxito del 91,5% y permanecen efectivas incluso contra defensas actuales.