本文重新思考了针对Stable Diffusion中未授权图像使用的隐形保护问题。现有隐形保护方法（如添加对抗性扰动或水印）通常难以抵御先进攻击或影响生成质量。作者提出了一种新的防护框架，从模型内部表示入手，通过修改潜在空间的特定方向，使得模型在生成图像时无法还原受保护内容的特征。该方法无需修改原始图像，而是对模型进行微调或添加轻量级模块。实验表明，该方法在保持生成图像质量的同时，有效防止了未经授权的图像生成，且对多种攻击方式（如去噪、微调）具有鲁棒性。该研究为内容保护提供了新思路，适用于数字版权保护、隐私保护等场景。