Feature Optimal Alignment Attack（FOA-Attack）是由南洋理工大学、穆罕默德·本·扎耶德人工智能大学等高校机构的研究团队于 2025 年 5 月联合提出的，相关研究成果发表于论文「Adversarial Attacks against Closed-Source MLLMs via Feature Optimal Alignment」，已被 NeurIPS 2025 接受。

FOA-Attack 是一种基于特征最优对齐的定向可迁移对抗攻击方法。在全局层面，该范式引入基于余弦相似度的全局特征损失，以对齐对抗样本的粗粒度特征与目标样本的特征；在局部层面，鉴于 Transformer 中丰富的局部表示，该范式利用聚类技术提取紧凑的局部模式，以减少冗余的局部特征。大量实验表明，FOA-Attack 优于最先进的定向对抗攻击方法，在开源和闭源 MLLM 上均实现了更优的迁移性。