Evaluating Concept Filtering Defenses against Child Sexual Abuse Material Generation by Text-to-Image Models.

本文评估了从文生图模型（如扩散模型）的训练数据中过滤儿童图像以阻止模型被滥用于生成儿童性虐待材料（CSAM）的有效性。首先，作者通过基于游戏的安全定义捕捉了防止CSAM生成的复杂性，指出过滤防御需平衡攻击者能力和模型实用性。其次，实证表明现

历史摘要 · 未重新核验 · IEEE S&P