扩散模型中的稳健概念抹除：安全性与鲁棒性的理论视角

扩散模型在图像生成方面取得了空前的成功，但在隐私、公平性和安全性方面日益增加风险。迫切需要\emph{抹除}敏感或有害概念（如NSFW内容、私人个体、艺术风格）以保留其整体生成能力。我们引入SCORE（Secure and Concept-Oriented Robust Erasure，安全与概念导向稳健抹除），一种用于扩散模型稳健概念移除的新框架。SCORE将概念抹除形式化为\emph{对抗独立性}问题，理论上保证模型输出与被抹除概念在统计上独立。不同于先前的启发式方法，SCORE最小化目标概念与生成输出之间的互信息，实现可证明的抹除保证。我们提供形式证明，建立收敛性质，并推导出残余概念泄露的上界。在实验中，我们在Stable Diffusion和FLUX上评估了SCORE，针对四个具有挑战性的基准测试：对象抹除、NSFW移除、明星人脸抑制和艺术风格遗忘。SCORE在 EraseAnything、ANT、MACE、ESD和UCE等最先进方法中持续领先，实现最高可达\textbf{12.5\%}的提升，同时保持或优于原有图像质量。通过集成对抗优化、轨迹一致性和显著性驱动的微调，SCORE为扩散模型的安全与稳健概念抹除树立了新标准。