现有的针对扩散式大语言模型（dLLM）的攻击和防御往往只针对特定漏洞，缺乏统一的解释框架。我们将安全对齐视为对去噪能量景观的塑形：一个对齐良好的模型会在安全输出与有害输出之间形成能量屏障，将有害查询引导至安全区域。\ \ 当前的越狱攻击本质上是两类绕过屏障的策略：一是隐藏查询的安全属性，使其在初始化阶段不被识别；二是沿生成轨迹中途干预，强行让去噪路径跨越能量屏障。\ \ 基于已知的掩码扩散模型在去噪过程中最小化动能 $E_k$ 的性质，我们提出了三种互补、无需额外训练的检测信号：\
- 步骤0比例（step‑0 ratio），通过生成前的 logits 分布直接读取查询的安全倾向；\
- 两个轨迹速度信号，分别在 logits 空间的互补子空间中跟踪动能变化。\ \ 攻击要么在初始化时暴露意图，被步骤0比例捕获；要么在跨越屏障时消耗动能，在至少一个子空间的速度信号中留下痕迹。因此，这三种信号在能量预算上相互覆盖，天然弥补盲点。\ \ 我们在三种密集 dLLM（LLaDA‑8B、LLaDA‑1.5、Dream‑7B）和一种稀疏混合专家 dLLM（LLaDA‑MoE‑7B）上进行评估，实验验证了信号的互补性。压力测试已知攻击时，所有逃过检测的配置均未生成有害内容，说明检测阈值与跨越屏障的能量阈值难以分离。\ \ 点评：该工作通过能量景观提供了统一视角，解释了越狱攻击的根本机制，并提出了基于动能的轻量检测方案，实验结果显示在多模型上具备稳健性，为 dLLM 的安全防护提供了新思路。