编辑 away 我的面容不会保持：针对恶意生成性编辑的人类生物识别防御

扩散模型的最新进展使生成图像编辑更加易于访问，尽管促进了创意编辑，但引发了伦理关切，尤其是针对人类肖像的恶意编辑威胁到隐私和身份安全。现有的保护方法主要依赖对抗性扰动来消除编辑，但常常无法应对多样化的编辑请求。我们提出了 FaceLock，一种新颖的肖像保护方法，通过优化对抗性扰动来破坏或显著改变生物识别信息，从而使编辑后的输出在生物识别上不可识别。FaceLock 将面部识别和视觉感知融入扰动优化，以提供对各种编辑尝试的稳健防御。我们还指出了常用评估指标的缺陷，揭示了这些指标如何被操纵，强调需要可靠的评估。实验表明，FaceLock 在防御恶意编辑方面优于基线方法，并且对净化技术具有稳健性。消融研究确认了其稳定性和在基于扩散的编辑算法中的广泛适用性。我们的工作推动了生物识别防御，为图像编辑中的隐私保留实践奠定了基础。代码已公开：https://github.com/taco-group/FaceLock。