摘要： 多轮越狱攻击通过与大语言模型开展连续交互，模拟真实用户对话过程，可有效暴露模型的潜在安全漏洞。然而，现有研究多聚焦于提升攻击成功率，尚未针对攻击路径动态演化、评估稳定性以及生成内容危害程度构建系统化的建模与分析体系，难以在复杂场景下实现高效稳定的攻击评估效果。文章提出多轮越狱评估分层框架STRATA，并设计基于不确定性建模的多维评分与迭代优化算法UMSO。该框架构建了“样本生成—评分筛选—迭代优化—自动化评估—风险分析”的全流程闭环机制，核心在于攻击前通过UMSO算法对样本完成自评估与迭代优化，从而降低低质量与无效样本的干扰，提升评估稳定性与攻击成功率。在多个主流大语言模型上开展的实验结果表明，STRATA在攻击有效性方面优于现有方法。

关键词: 多轮越狱攻击, 大语言模型, 安全评估, 不确定性建模