DefensesarXiv 2609.39548
NDDL:用正常扩散动力学为文生图模型做后门防御
提出 NDDL,用良性扩散轨迹检测文生图后门提示并定位触发 token
- arXiv
- 2609.39548
- Published
- Layer
- Model layer
- Setting
- Models and APIs
- Evaluated models
- Stable Diffusion v1.5, Stable Diffusion XL, Stable Diffusion v3.5 and others4
- DefensesMonitoring and auditing
- AttacksPoisoning and backdoors
- ComponentImage generation
AbstractNDDL 从良性扩散轨迹学习正常转移,用动态不一致检测后门并定位触发 token。
NDDL 是面向文生图扩散模型的后门防御:防御者只有白盒模型访问和良性提示词,没有后门先验,需要区分后门提示词并找出触发 token。