OrchJail：通过编排引导的模糊测试越狱工具调用型文生图智能体

📋总体概括

OrchJail是一种针对工具调用型文生图智能体的越狱攻击方法，其核心思路是把模糊测试的思想引入大模型安全攻击：通过编排多个引导性提示与工具调用路径，系统性探索智能体的行为空间，诱导其在生成图像环节绕过安全对齐，产出违规内容。与传统针对单一模型提示词注入的攻击不同，它攻击的是智能体编排层，即模型与外部工具的交互逻辑，暴露了当前文生图智能体在工具调用链路上的安全盲区，为智能体安全防护与红队测试提供了新范式。