干净标签攻击

面向文本到图像扩散模型的人类不可感知后门攻击

Towards Human-Imperceptible Backdoor Attacks on Text-to-Image Diffusion Models

对做扩散模型安全与数据投毒的研究者，这篇给出了首个干净标签后门设定：图像端注入近不可感知噪声、文本端用同义替换加句法重排构造复合语义触发器，可在不破坏图文对齐的前提下植入后门并绕过商用内容过滤器，为评估生成模型供应链安全提供了新的威胁模型与防御测试基准。