PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2607.02819v1cs.CR

대형 비전-언어 모델의 클라우드-엣지 추론에 대한 비전 토큰 조작 공격

Vision Token Manipulation Attacks on Cloud-Edge Inference of Large Vision-Language Models

클라우드-엣지 대형 비전-언어 모델(LVLM) 추론은 엣지 디바이스와 클라우드 서버 간에 연산을 분할함으로써 효율적인 배포를 가능하게 한다. 이 과정에서 중간 비전 토큰이 통신 링크를 통해 엣지에서 클라우드로 전송되어 새로운 공격 표면이 노출된다. 우리는 블랙박스 중간자(man-in-the-middle) 환경에서의 비전 토큰 조작 공격(VTM-Attack)을 연구한다. 이 환경에서 공격자는 예산 제약 하에 전송되는 비전 토큰의 일부를 가로채어 조작한다. 우리는 네 가지 단순 공격 전략과 최적화 기반 토큰 선택 방법을 제안한다. 4개의 벤치마크에서 6개의 최신 LVLM(3B~72B)을 대상으로 한 실험 결과, 비전 토큰의 단 10%만 조작해도 정확도가 최대 88.31%까지 감소할 수 있음을 보인다. 이러한 결과는 클라우드-엣지 LVLM 추론의 심각한 취약점을 드러낸다.