该论文系统性地研究了视频生成模型（VGM）产生不安全内容（如暴力、恐怖、色情、政治敏感等）的风险。作者首先从4chan和Lexica等来源收集可能诱导不安全内容生成的提示词，并使用三种开源最先进视频扩散模型（如VideoFusion、ModelScope等）生成视频，经过滤后从5607个原始视频中筛选出2112个候选不安全视频。通过聚类和主题编码，归纳出五类不安全视频：扭曲/怪异、恐怖、色情、暴力/血腥和政治。经IRB批准，招募403名在线参与者对视频进行标注，最终确认937个不安全视频，并构建了首个VGM生成不安全视频数据集。针对现有防御方法（输入过滤或输出过滤）的不足，论文提出一种名为潜在变量防御（LVD）的新方法，该方法在模型内部采样过程的初始阶段检测不安全样本，通过分析潜在空间中的中间表示来判断是否生成不安全内容。实验表明，LVD在三个开源模型上分别达到0.99、0.92和0.91的防御准确率，且在对抗性提示和图像到视频扩散模型上准确率均超过0.90。与基线方法相比，LVD在大规模采样时可将时间和计算资源降低10倍。此外，LVD还能与其他防御方法组合使用以提升整体性能。论文将公开数据集和代码。