DuplexJail은 전이중(full-duplex) 음성 모델을 겨냥한 새로운 탈옥 공격으로, 사용자 오디오 채널을 통해 고정된 음성 프롬프트로 응답 도중 모델을 방해한다. 4개 오픈소스 모델과 AdvBench·HarmBench의 유해 요청 720건을 대상으로 실험한 결과, 고정 지연 방해 기법은 PersonaPlex의 공격 성공률을 40.3%로, PersonaPlex-RL은 48.7%까지 끌어올려 각각 33.8%p, 39.3%p 상승시켰다. 거부 신호에 반응해 끼어드는 방식도 유사하게 35.6%, 48.6%의 성공률을 보였다. 다만 모델별 반응은 엇갈려 BayLing-Duplex는 오히려 유해 응답률이 감소해, 안전성 평가가 대화 진행 전 과정에 걸쳐 이뤄져야 함을 시사한다.

• •사용자 음성 채널을 통해 응답 도중 모델을 방해하는 DuplexJail 공격 제안
• •PersonaPlex-RL 공격 성공률이 최대 48.7%까지 상승(+39.3%p)
• •고정 지연형과 거부 트리거형 두 방식 모두 유사한 공격 효과 확인
• •BayLing-Duplex는 오히려 유해 응답률이 감소해 모델별 취약성 편차 존재