CopyrightMeter：重新审视文本到图像模型中的版权保护
密码学与安全
2024-11-21 v1 人工智能
计算机视觉与模式识别
摘要
文本到图像扩散模型已成为从文本描述生成高质量图像的强大工具。然而，它们的日益普及引发了严重的版权问题，因为这些模型可能被滥用于未经授权复制受版权保护的内容。为此，最近的研究提出了多种版权保护方法，包括对抗扰动、概念擦除和水印技术。然而，它们针对高级攻击的有效性和鲁棒性在很大程度上尚未被探索。此外，缺乏统一的评估框架阻碍了不同方法的系统比较和公平评估。为弥补这一空白，我们对现有版权保护方法和攻击进行了系统化梳理，提供了其设计空间的统一分类。然后，我们开发了CopyrightMeter，一个统一的评估框架，包含17种最先进的保护方法和16种代表性攻击。利用CopyrightMeter，我们从多个维度全面评估了保护方法，从而揭示了不同设计选择如何影响保真度、有效性和在攻击下的鲁棒性。我们的分析揭示了几个关键发现：（i）大多数保护方法（16/17）对攻击不具有鲁棒性；（ii）“最佳”保护方法因目标优先级而异；（iii）更先进的攻击显著促进了保护方法的升级。这些见解为开发更鲁棒的防护方法提供了具体指导，而其统一的评估协议为未来文本到图像生成中的版权保护研究建立了标准基准。
引用
@article{arxiv.2411.13144,
title = {CopyrightMeter: Revisiting Copyright Protection in Text-to-image Models},
author = {Naen Xu and Changjiang Li and Tianyu Du and Minxi Li and Wenjie Luo and Jiacheng Liang and Yuyuan Li and Xuhong Zhang and Meng Han and Jianwei Yin and Ting Wang},
journal= {arXiv preprint arXiv:2411.13144},
year = {2024}
}