被擦除却不被忘记：擦除后仍不安全的概念攻击下的 Rectified Flow Transformer
计算机视觉与模式识别
2026-04-09 v5
摘要
文本到图像 (T2I) diffusion 模型的近期进展赋予了惊人的生成能力，但也因潜在产生有害或不可取内容而引发重大安全担忧。虽然概念擦除被探索作为缓解策略，但大多数现有方法及相应攻击评估针对的是 Stable Diffusion (SD)，在迁移至 Flux 等下一代 rectified flow transformer 时表现有限。本文提出 ReFlux，即首个专为评估最新基于 rectified flow T2I 框架概念擦除鲁棒性而设计的概念攻击方法。我们的方法源于观察：当应用于 Flux 时，现有概念擦除技术本质上依赖于称为注意力局部分析的现象。基于此洞察，我们提出一种简单而有效的攻击策略，特别针对该属性进行设计。其核心是引入逆向注意力优化策略，以有效重新激活被抑制的信号并稳定注意力。进一步通过基于速度的动态实现概念重新激活的鲁棒性，通过引导 flow matching 过程实现；并通过一致性保持目标维持全局布局并保留无关内容。大量实验一致表明，所提攻击方法有效且高效，为评估 rectified flow transformer 概念擦除策略鲁棒性提供了可靠基准。
引用
@article{arxiv.2510.00635,
title = {Erased, But Not Forgotten: Erased Rectified Flow Transformers Still Remain Unsafe Under Concept Attack},
author = {Nanxiang Jiang and Zhaoxin Fan and Enhan Kang and Daiheng Gao and Yun Zhou and Yanxia Chang and Zheng Zhu and Yeying Jin and Wenjun Wu},
journal= {arXiv preprint arXiv:2510.00635},
year = {2026}
}