跳到正文
原文
arXiv· arXiv:2606.09909· Ziang Xu, Wenbo Yu, Hongyao Yu, Hao Fang, Jiawei Kong, Bin Chen, Hao Wu, Shu-Tao Xia, Zhiyong Wu·本站收录· 原文发表

TS-LFO:通过两阶段潜在特征优化绕过扩散模型定制化中的版权保护

Bypassing Copyright Protection in Diffusion-based Customization via Two-Stage Latent Feature Optimization

AI 导读

研究者提出版权窃取攻击 TS-LFO,通过两阶段潜在特征优化绕过扩散模型定制化中的版权保护。该方法先在潜在去噪阶段对齐潜在编码与输入图像、抑制防御引入的高频噪声,再在潜在重建阶段用像素级约束恢复低频语义。实验显示其能稳定绕过 SOTA 版权防御,在多种设置下优于 DiffPure、GrIDPure 和 IMPRESS 等版权攻击。

阅读原文ACM SIGKDD Conference on Knowledge Discovery and Data Mining V.2