扩散模型的基于隐写术的后门攻击框架：Parasite
计算机视觉与模式识别
2025-09-12 v3 人工智能
摘要
最近，扩散模型因能够通过迭代采样噪声生成高质量图像而获得了广泛关注。然而，近期研究表明扩散模型对后门攻击十分脆弱，攻击者可通过输入包含触发器的数据来激活后门并生成所需输出。现有后门攻击方法主要聚焦于目标噪声-图像和文本-图像任务，对图像-图像任务的后门攻击工作有限。此外，传统后门攻击常依赖单一显眼的触发器以生成固定目标图像，缺乏隐蔽性和灵活性。为此，我们提出一种新颖的后门攻击方法，称为"Parasite"，用于扩散模型中的图像-图像任务，不仅首次利用隐写术隐藏触发器，还允许攻击者将目标内容嵌入后门触发器以实现更灵活的攻击。"Parasite"作为一种新型攻击方法可有效规避现有检测框架执行后门攻击。在实验中，"Parasite"对主流防御框架的后门检测率为0%。此外，在消融研究中，我们讨论了不同隐藏系数对攻击结果的影响。我们的代码可在 https://anonymous.4open.science/r/Parasite-1715/ 查阅。
引用
@article{arxiv.2504.05815,
title = {Parasite: A Steganography-based Backdoor Attack Framework for Diffusion Models},
author = {Jiahao Chen and Yu Pan and Yi Du and Chunkai Wu and Lin Wang},
journal= {arXiv preprint arXiv:2504.05815},
year = {2025}
}