理解跨模态对抗迁移：为何表示空间攻击失败而数据空间攻击成功

基于摘要分析。本文研究图像分类器的对抗样本、语言模型的越狱攻击与视觉语言模型（VLM）的图像越狱为何呈现不同的跨模型迁移行为，提出内部表示的几何对齐是解释这些差异的关键机制。主要研究对象是视觉、语言及多模态系统，而非 EEG/BCI。 作者区分共享输入中的“数据空间”攻击与内部接口上的“表示空间”攻击，认为后者只有在不同模型的内部几何结构相关时才容易迁移。作者将 VLM 图像越狱解释为有效作用于表示空间的攻击：图像经模型特异的连续投影器映射，与文本通过共享离散 tokenizer 输入的情形不同，图像扰动可能在不同模型中产生几何上正交的嵌入方向。这是作者提出的机制解释，不宜据此概括所有模型或输入接口。 作者报告，理论框架表明，即便线性模型功能相同，表示空间攻击在基底未对齐时也不能迁移；针对 ImageNet 分类器及语言模型的表示空间攻击同样表现出迁移失败，而文本越狱可在 VLM 之间迁移。作者还报告，对齐表示空间能够恢复 VLM 图像越狱及语言模型潜在表示攻击的迁移性。摘要未提供具体模型、攻击约束、对齐方法、数据划分或量化结果，实验协议、消融及统计信息尚未验证。内部接口不对齐能否构成稳定防御，也需结合攻击者能力及自适应攻击核对。 平台推测（待验证）：若不同 EEG 解码器的潜在表示存在几何差异，该机制可能帮助解释跨模型扰动迁移不稳定，而不等同于跨被试泛化。可复用的是表示对齐与攻击迁移的对照思路，需改造信号扰动约束、通道映射及表示接口。一个可检验的小实验是在固定 EEG 数据划分与任务下，对两个解码器比较表示对齐前后的攻击迁移率，同时控制干净样本性能及扰动幅度；低信噪比、通道差异和小数据可能使对齐不稳定。相关 EEG 工作尚未检索确认。