计算机研究与发展

作者：曾诚,葛云洁,赵令辰,王骞,

关键词：表征学习, 视觉语言学习, 对抗性攻击, 对抗性防御, 网络空间安全,

随着计算机视觉、自然语言处理与深度学习技术的快速发展，多模态视觉语言表征学习模型在图像描述、文本生成图像、视觉问答等任务中展现出了卓越的性能，已成为当前学术界与工业界共同关注的研究热点.然而，这类模型的多模态特性和复杂性为攻击者提供了更加多样的攻击途径，攻击者可以通过对抗样本引导模型输出错误的、有害的或虚假的内容，使该类模型面临的安全威胁日益严峻.系统地梳理了多模态视觉语言模型的研究现状，同时，对近年来出现的针对该类模型的对抗样本攻击方法及其防御策略进行了分类总结，详细归纳了相关研究的基本原理、实施方法与研究结论.在此基础上，对多模态视觉语言表征学习的安全研究现状与未来方向进行了探讨，并展望了视觉语言表征学习技术在未来结合可解释性技术的应用前景.

来源：2025年第9期

《计算机研究与发展》期刊编辑部

查看计算机研究与发展杂志2025年第9期