近日，实验室关于对恶意图像编辑免疫的工作“Towards Transferable Defense Against Malicious Image Edits”（作者：张杰，董帅，山世光*，陈熙霖）被T-PAMI接收。T-PAMI全称为IEEE Transactions on Pattern Analysis and Machine Intelligence, 是模式识别、计算机视觉及机器学习领域的主流国际期刊, 2025年公布的影响因子为18.6。
近来，通过在输入图像中施加难以察觉的扰动来抵御扩散模型图像编辑系统恶意篡改的研究方法展现出广阔前景。然而现有方法在跨模型评估中迁移性有限。为此，我们提出面向恶意图像编辑的迁移性防御框架（Transferable Defense Against Malicious Image Edits，TDAE），这是一种通过图文协同优化增强图像抗编辑能力的双模态框架。在视觉防御层面，我们引入FlatGrad防御机制（FlatGrad Defense Mechanism，FDM），通过将梯度正则化融入对抗目标，显式引导扰动向平坦极小值收敛，从而提升对未知编辑模型的免疫鲁棒性。在文本增强保护层面，我们提出动态提示防御（Dynamic Prompt Defense，DPD）对抗优化范式：通过周期性优化文本嵌入使免疫化图像的编辑结果与原始图像对齐，并在优化后的嵌入下更新图像。通过对多样化嵌入的迭代对抗更新，DPD强制生成的免疫化图像具备更广泛的免疫增强特征，进而实现跨模型迁移性。大量实验表明，TDAE在模型内及跨模型评估中均取得最好的恶意编辑防御效果。
附件：