研究人员开发了AEGIS,这是一种新颖的防御机制,旨在保护文本到图像扩散模型免受视觉同义词攻击(VSA)。这些攻击利用看似无害提示中的隐式视觉关联来生成禁止的图像,从而绕过传统的安全过滤器。AEGIS通过动态追踪生成过程中不安全语义的出现,识别出充当禁止视觉信息瓶颈的特定注意力头。通过仅在这些脆弱的注意力头上应用相似性感知排斥,AEGIS旨在提高安全性和可用性,在SD 1.4和SD 2.1等模型上表现优于16种基线防御方法。 AI
影响 这项研究提出了一种针对复杂越狱技术的新型防御方法,有望提高生成式AI图像模型的安全性和可靠性。
排序理由 该集群包含一篇详细介绍文本到图像模型新防御机制的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 3 个来源。 我们如何撰写摘要 →