本文聚焦于视频内容保护，以防御图像到视频生成（reference-based）和微调（tuning-based）两种定制化视频生成管线带来的隐私泄露与身份盗窃风险。现有针对图像的保护方法无法直接迁移到视频上，面临三大时序挑战：(1) 逐帧优化图像级扰动无法抵抗3D视频VAE的时序压缩；(2) 单视频优化的视频级扰动在时序编辑后失效，且无法保护未见过视频；(3) 时序不一致的扰动量脆弱于未知时序攻击。为此，作者提出时序一致通用对抗扰动（TC-UAP），这是首个能同时防御两种视频定制化管线的保护方法。TC-UAP在滑动窗口内跨多个视频优化身份级的多帧通用对抗扰动（UAP），利用滑动窗口捕获视频VAE时序压缩带来的局部时序依赖，使单个扰动可保护不同长度的未见过视频。同时，引入内在时序建模（优化帧间扰动变化）和外在代理时序攻击损失（模拟未知时序操作），使扰动时序一致且对未知攻击鲁棒。定量与定性实验表明，TC-UAP在identity保护强度上显著优于现有方法，并能在多种未知时序攻击下保持鲁棒。