DIA：扩散模型中确定性逆变的对抗暴露
人工智能
2025-10-02 v1
摘要
扩散模型已显示出作为强大表征学习器的优势，在多个领域实现最先进性能。除了加速采样之外，DDIM 也实现了对真实图像回到其潜在代码的逆变。这种逆变操作的直接继承应用是图像编辑，逆变产生用于合成编辑图像的潜在轨迹。不幸的是，这一实用工具已使恶意用户能够更轻松地合成误导性或深度伪造内容，从而推动了不道德、滥用以及侵犯隐私和版权的内容的传播。虽然AdvDM和Photoguard等防御算法已显示在这些图像上扰动扩散过程，但其目标与测试时迭代去噪轨迹之间的错位导致抗性性能较弱。本文提出DDIM逆变攻击（DIA），该方法攻击集成的DDIM轨迹路径。我们的结果支持有效扰动，跨越各种编辑方法均超过以前的防御方法。我们认为我们的框架和结果为面向行业和研究社区的AI滥用提供了实用防御方法。我们的代码可在此处获取：https://anonymous.4open.science/r/DIA-13419/。
引用
@article{arxiv.2510.00778,
title = {DIA: The Adversarial Exposure of Deterministic Inversion in Diffusion Models},
author = {Seunghoo Hong and Geonho Son and Juhun Lee and Simon S. Woo},
journal= {arXiv preprint arXiv:2510.00778},
year = {2025}
}
备注
ICCV2025