179-B1｜文本扰动减轻后门攻击，隐私泄露数据记忆问题，分析CivitAI平台用户创作行为与偏好；基于INR的视频内容加密保护

文章预览

AIGC   Research 主编｜ 庄才林（Cailin Zhuang） 技术支持｜胡耀淇（Yaoqi Hu） Topic: Image Generation｜Safety｜Textual Perturbations & Backdoor Attacks, Data Memory & Privacy, CivitAI & Bias Defending Text-to-image Diffusion Models: Surprising Efficacy of Textual Perturbations Against Backdoor Attacks 2024-08-28｜ASUS, National Taiwan U, U Michigan｜ECCV 2024 ｜⭐️ http://arxiv.org/abs/2408.15721v1 https://github.com/oscarchew/t2i-backdoor-defense 概述 文本到图像的扩散模型在生成逼真图像方面已被广泛采用，但近年来研究表明， 这些模型存在背后攻击的脆弱性 。这类攻击 通过注入文本触发器，操控生成的内容，导致其输出出现恶意修改 。尽管背后攻击对这些模型构成了显著威胁，但现有的防御措施研究仍然不足。本文针对这一空白， 提出了一种意想不到的简单防御策略——文本扰动，能有效减轻对文本到图像扩散模型的背后 ………………………………