论文页面 - 面向善意的对抗攻击：视觉内容生命周期中的主动保护综述

来源：https://huggingface.co/papers/2608.04314 作者：

，

，

，

，

，

，

，

，

，

，

，

，

，

，

摘要

一旦视觉内容进入AI流水线，其所有者通常对内容的使用方式几乎失去技术控制。法律和监管手段可以应对滥用，但许多技术干预必须在更早的阶段实施，即在内容发布或访问之时。本综述考察了围绕这一干预点发展起来的保护范式，我们称之为“面向善意的对抗攻击”。长期以来作为对学习模型攻击而研究的扰动和结构化信号，如今被数据所有者、创作者、平台或审计者用来破坏未经授权的自动化或支持后续问责。五个研究社区在很大程度上独立地达成了这一反转，分别针对视觉资产生命周期的不同阶段：分享时的隐私过滤器以抵御不想要的识别、不可学习样本以抵御未经授权的训练、生成式安全防护以抵御恶意编辑或模仿、用于访问控制以抵御自动化代理的对抗性验证码，以及用于发布后归属溯源机制。尽管这些方法在各自领域内以互不兼容的成功标准发展，但其中许多方法利用了人类感知、语义解释和机器推理之间持续存在的差距，这表明随着视觉流水线向多模态模型和自主代理演进，这一范式仍然具有相关性。为了使各种主张具有可比性，我们沿共享的轴——可迁移性、适应性和部署就绪性——对所有五个类别进行了评估。纵观整个生命周期，我们发现大多数保护措施仍主要针对静态或弱自适应的对手进行验证，而受控基准之外的证据仍然稀缺。最后，我们归纳了跨阶段的反制措施以及构建稳健、可组合且可部署的所有者侧保护所面临的开放问题。

查看arXiv页面（https://arxiv.org/abs/2608.04314）查看PDF（https://arxiv.org/pdf/2608.04314）添加到收藏（https://huggingface.co/login?next=%2Fpapers%2F2608.04314）

在你的代理中获取这篇论文：

hf papers read 2608.04314

没有最新CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用此论文的模型0

没有模型链接此论文

在模型README.md中引用arxive.org/abs/2608.04314，即可从此页面链接该论文。

引用此论文的数据集0

没有数据集链接此论文

在数据集README.md中引用arxive.org/abs/2608.04314，即可从此页面链接该论文。

引用此论文的Space0

没有Space链接此论文

在Space README.md中引用arxive.org/abs/2608.04314，即可从此页面链接该论文。

包含此论文的收藏0

没有收藏包含此论文

将此论文添加到收藏（https://huggingface.co/new-collection）即可从此页面链接该论文。