该论文针对统一多模态模型（UMMs）在指令式图像编辑中可能被恶意利用来篡改个人肖像的问题，提出了一种对抗性保护框架CCS。作者首先分析了UMMs中视觉理解分支（基于ViT）和生成分支（基于VAE）的特征级一致性，发现单个分支的特征扰动不足以持续破坏编辑效果，因为两个分支之间存在结构一致性，且扰动在多模态融合和生成过程中会被衰减。基于此，CCS通过联合驱动ViT和VAE表示远离其干净版本，并利用线性CKA显式破坏跨分支兼容性，从而移除稳定身份信息并创建不兼容的视觉上下文，阻止UMMs在编辑过程中恢复可靠的身份信息。实验表明，CCS在抑制身份保持编辑方面持续优于现有保护方法，为面部身份在图像编辑中的安全性提供了新思路。