PulseAugur
实时 10:07:25
English(EN) PersGuard: Preventing Malicious Personalization in Text-to-Image Diffusion Models via Model Backdoors

新的PersGuard框架使用模型后门来保护文本到图像AI

研究人员开发了PersGuard,一个旨在防止文本到图像扩散模型恶意个性化的新框架。与需要扰乱训练图像的先前方法不同,PersGuard在模型发布前将保护性后门嵌入模型中。这些后门确保如果模型在受保护的图像上进行微调,它将生成预定义的保护性输出,而未受保护的图像则导致正常的模型效用。实验表明,与现有方法相比,PersGuard提供了卓越的隐私保护。 AI

影响 这项研究为保护生成式AI模型的隐私和版权提供了一种新颖的方法。

排序理由 该集群包含一篇学术论文,详细介绍了用于AI安全的新技术框架。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的PersGuard框架使用模型后门来保护文本到图像AI

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Xinwei Liu, Xiaojun Jia, Yuan Xun, Hua Zhang, Xiaochun Cao ·

    PersGuard:通过模型后门防止文本到图像扩散模型中的恶意个性化

    arXiv:2502.16167v2 Announce Type: replace-cross Abstract: Diffusion models (DMs) have advanced text-to-image (T2I) synthesis, yet their personalization capabilities raise serious privacy and copyright concerns. Malicious actors can misuse these models to generate unauthorized por…