PolyJuice 让它变得真实：针对合成图像检测器的黑箱通用红队
机器学习
2025-10-27 v2
摘要
合成图像检测器（SIDs）是防御文本到图像（T2I）模型生成图像真实性风险的关键手段。红队测试通过识别并利用检测器的失效模式来提高SID的有效性。然而，现有的红队测试方案（i）需要对SID获取白箱访问，这对于专有的领先检测器不可行；（ii）通过昂贵的在线优化生成图像特定的攻击。为解决这些限制，我们提出PolyJuice，首个基于T2I潜在空间中样本被正确分类与被错误分类之间分布迁移的SIDs黑箱、图像无关的红队方法。PolyJuice 通过（i）仅需对SID进行黑箱访问即可识别此迁移方向，（ii）利用该方向对生成的所有图像普遍地引导至检测器的失效模式。使用PolyJuice 引导的T2I模型相较于未引导的模型在欺骗SID方面效果显著提升（提升至84%）。我们还展示，引导方向可以在较低分辨率下高效估计，并通过简单插值传输到更高分辨率，从而降低计算开销。最后，对PID模型进行调优以使用PolyJuice 增强的数据集显著提升检测器性能（提升至30%）。
引用
@article{arxiv.2509.15551,
title = {PolyJuice Makes It Real: Black-Box, Universal Red Teaming for Synthetic Image Detectors},
author = {Sepehr Dehdashtian and Mashrur M. Morshed and Jacob H. Seidman and Gaurav Bharaj and Vishnu Naresh Boddeti},
journal= {arXiv preprint arXiv:2509.15551},
year = {2025}
}
备注
Accepted as NeurIPS 2025 poster