面向多模态多智能体推理的层次化攻击

多模态多智能体系统（MM-MAS）在复杂推理与协调方面备受关注，但其脆弱性研究尚显不足。本文提出 HAM³，一种针对 MM-MAS 的层次化攻击框架，将攻击分解为感知、通信和推理三个层级。该框架通过扰动输入、破坏交互拓扑及干扰认知流程，有效误导智能体决策。在 GQA 基准上的实验显示，其攻击成功率高达 78.3%，其中推理层攻击最为显著，常导致多智能体产生一致性错误，为构建鲁棒系统提供了重要洞察。