图像隐写术战场：评估图像隐写术攻击与隐写分析防御

图像隐写术广泛用于保护用户隐私并实现隐秘通信。然而，它也可能被 adversaries 用作隐秘信道，以规避内容审核、传播有害语义，甚至隐藏图像中的恶意指令以诱发大型模型产生危险输出，这构成了持续演化的实际安全风险。为解决缺乏统一且系统性评估框架的问题，我们提出了 SADBench，一个系统性基准，用于评估 adversaries 通过隐写术注入有害秘密的能力以及 defenders 通过隐写分析检测此类威胁的能力。关键的是，SADBench 包括 4 个核心任务，即隐写术攻击能力评估、隐写分析防御能力评估、效率评估和可移植性评估。它评估了 image-payload 和 text-payload 隐写术，涵盖多样的 cover 分布，利用有害视觉语义和有毒指令模拟恶意攻击。在广泛的攻击和检测器范围内，SADBench 揭示了：(i) INN 和基于自动编码器的方法在其他架构中表现出更好的稳定性；(ii) 同域检测几乎完美且比生成更便宜；(iii) 在可移植性方面存在严重不对称，即攻击稳健地推广到新分布，而检测器难以适应；(iv) 现实世界的威胁在社交媒体上仍然存在，其中有效载荷要么在最小压缩下存活，要么通过模拟训练有效适应激进压缩。总体而言，SADBench 建立了一个系统、可重复且可扩展的框架，以量化风险，为隐写术防御的可衡量且以安全为导向的进展铺平了道路。