NSFW-内容检测

JANUS：通过分布优化越狱文本到图像模型的轻量级框架

JANUS: A Lightweight Framework for Jailbreaking Text-to-Image Models via Distribution Optimization

把越狱攻击建模为在 T2I 系统端到端黑盒奖励下优化结构化提示词分布，用低维混合策略替代高容量 RL 生成器，为红队测试扩散模型安全过滤器提供了一个轻量、可复用的攻击基线，也提示防御方需针对分布级攻击设计分布感知的防护。