Off-The-Shelf Image-to-Image Models Are All You Need To Defeat Image Protection Schemes
概率论
2026-02-26 v1 数学物理
math.MP
摘要
生成式 AI 的发展导致开发了各种保护策略以防止图像的未授权使用。这些方法依赖于向图像添加不可感知的保护扰动，以阻止滥用，如风格模仿或深度人格化操纵。虽然以往针对这些保护的攻击需要专业 purpose-built 方法，但我们演示这不再是必需的。我们展示了如何将常用的图像到图像生成式 AI 模型重新定位为通用“去噪器”，通过简单文本提示有效移除各种保护扰动。我们在涵盖 6 种不同保护方案的 8 个案例研究中，所提出的通用攻击不仅规避了这些防御，还在保持图像对对手实用性的同时超越了现有的专用攻击。我们的发现揭示了当前图像保护格局中的一个关键且广泛的漏洞，表明许多保护措施提供了虚假的安全感。我们强调迫切需要开发稳健的防御，并指出任何未来的保护机制都必须针对来自常用生成式 AI 模型的攻击进行基准测试。代码已在本存储库中提供：https://github.com/mlsecviswanath/img2imgdenoiser
引用
@article{arxiv.2602.22199,
title = {A Cellular Representation of the Potts Lattice Higgs Model},
author = {Summer Eldridge and Malin P. Forsström and Benjamin Schweinhart},
journal= {arXiv preprint arXiv:2602.22199},
year = {2026}
}