本文提出名为 MIRAGE（Moderation Induced Resistance Against Generative Editing）的方法，用于保护个人图像免受恶意 AI 图像编辑系统的操控。现有图像免疫技术通常需要访问模型权重和编辑提示，限制了其在实际场景中的应用，尤其是针对 GPT-Image、Gemini Flash Image（Nano Banana）和 Grok Imagine 等闭源商业图像编辑器。作者从系统级视角出发，发现所有主流商业图像编辑系统共有的攻击面：生成前安全审核。即，在图像生成之前，系统会使用审核分类器检查输入图像是否违反政策。MIRAGE 的核心思想是：通过向原始图像添加精心设计的对抗性扰动，使这些审核分类器将图像误判为违反政策的内容（例如暴力、色情等），从而触发系统自动拒绝生成编辑，无论用户输入何种编辑提示。该方法使用一组开源嵌入和审核模型的表示空间，将图像对齐到违反政策的概念。实验表明，MIRAGE 在多个闭源图像编辑 API 上取得了超过 88% 的成功率，且无需知晓具体编辑提示，具有简单、提示无关且有效的特点，为保护个人图像免受未授权的 AI 编辑提供了实用路径。