محققان در پژوهشی جدید، تکنیک حمله نفوذی با نام InfraQR را معرفی کردند که امنیت مدلهای بینایی-زبانی (VLM) مادون قرمز را به چالش میکشد. این روش با استفاده از یک وصله (Patch) ساختاریافته در لبه تصاویر، میتواند دقت مدلهای قدرتمندی مثل CLIP را به شدت کاهش دهد.
نکته نگرانکننده اینجاست که این حملات نه تنها در تشخیص تصویر، بلکه در تولید کپشن و پاسخدهی به سوالات بصری (VQA) نیز اختلال ایجاد میکنند. این تحقیق زنگ خطری جدی برای توسعهدهندگان سیستمهای بینایی در شرایط نوری ضعیف و محیطهای امنیتی است تا به فکر راهکارهای دفاعی قویتری باشند. 🛑
منبع: arXiv Computer Vision