JANUS：通过分布优化越狱文生图模型的轻量级框架
JANUS: A Lightweight Framework for Jailbreaking Text-to-Image Models via Distribution Optimization
AI 导读
研究者提出 JANUS，一种把越狱表述为在黑盒端到端奖励下优化结构化提示词分布的文生图越狱框架。它用针对两个语义锚定提示词分布的低维混合策略代替高容量生成器，在保持目标语义的同时降低探索成本。在 Stable Diffusion 3.5 Large Turbo 上，其 ASR-8 从 25.30% 提升到 43.15%，CLIP 与 NSFW 分数也更高。该方法在开源和商业文生图模型上均有效，作者称其暴露了现有 T2I 安全流程的结构性弱点。