[논문] VOID: 잠재 확산 모델의 무단 모방 방지
개요
잠재 확산 모델(Latent Diffusion Models, LDM)은 시각 합성에 혁신을 일으켰지만, 최근에는 개인을 무단으로 모방하는 데 악용되고 있습니다. 기존 방어 방법은 기만적인 교란을 주입해 생성된 이미지가 무관한 목표로 향하도록 합니다. 그러나 이 접근법은 근거 없는 가정에 의존합니다. 즉, 미세한 교란이 LDM의 방대한 생성 과정 전체에서 그 기만 효과를 유지할 수 있다는 가정입니다. 실제로 모델 고유의 복원 메커니즘은 이러한 교란을 제거하고, 이미지에 개인의 정체성이 다시 나타나게 합니다. 우리는 이러한 딜레마를 해결하기 위해 LDM의 내재된 확률성을 조작하는 방어 프레임워크 VOID를 제안합니다. VOID는 확산 파이프라인을 두 가지 새로운 방식으로 교란합니다: 1) 잠재 인코딩 오류를 증폭시켜 이미지의 의미 구조를 파괴하고, 2) 목표 가이드 신호에 반대되는 신호를 주입해 모델의 복원 능력을 억제합니다. 이로 인해 의미적 손상이 발생해 어떠한 무단 모방도 차단됩니다. 특히, 보안 향상이 시각적 유용성을 희생하지 않으며, VOID는 교란을 보호 대상 이미지의 인간이 인지할 수 없는 영역에만 제한합니다. 5개의 데이터셋에 걸친 10가지 모방 공격에 대해 24개의 최신 방어 기법을 종합 평가한 결과, VOID는 평균 Frechet Inception Distance(FID)를 113에서 365로 끌어올려, 현재까지 가장 강력한 방어보다 223% 더 높은 보호 효과를 보여줍니다.
주요 기여
이 논문은 다음 분야의 연구를 제시합니다:
- cs.CV
방법론
자세한 방법론은 전체 논문을 참고하십시오.
실용적 함의
본 연구는 cs.CV 분야의 발전에 기여합니다.
저자
- Chunlin Qiu
- Ang Li
- Tianxiao Huang
- Ruilin Gan
- Yunjie Ge
- Shenyi Zhang
- Huayi Duan
- Lingchen Zhao
- Chao Shen
- Qian Wang
논문 정보
- arXiv ID: 2606.12263v1
- 분류: cs.CV
- 발표일: 2026년 6월 10일
- PDF: PDF 다운로드