RISE 攻击方法可绕过 OpenAI 与 Google 图像模型安全过滤

White Circle 的 RISE 系统通过演化可复用的攻击策略绕过图像模型的安全过滤器，论文已被 NeurIPS 2026 接收。在裸露内容测试中，RISE 的人工确认成功率分别为 DALL-E 3 的 13.33%、Nano Banana 2 的 9.47%、GPT-Image-2 的 3.27%，每个提示词尝试 3 次。同样的严格评估标准下，多个早期越狱方法的成功率降至接近零。RISE 将自动化评分与人工标注对照，帮助研究人员在模型防御持续更新时继续发现新的弱点。