愚弄监视者：通过语义提示攻击破解 AIGC 检测器

文本到图像（T2I）模型的兴起使得合成逼真的人像成为可能，引发了对身份滥用和 AIGC 检测器鲁棒性的严重担忧。在本工作中，我们提出了一个自动化对抗提示生成框架，该框架利用语法树结构和蒙特卡洛树搜索算法的变体，系统地探索语义提示空间。我们的方法生成多样且可控的提示，能够持续规避开源和商业 AIGC 检测器。在多个 T2I 模型上的大量实验验证了其有效性，该方法在现实世界的对抗性 AIGC 检测竞赛中排名第一。除了攻击场景，我们的方法还可用于构建高质量的对抗数据集，为训练和评估更鲁棒的 AIGC 检测与防御系统提供宝贵资源。