arXiv · NLP· Yiming Wang, Jiahao Chen, Qingming Li, Tong Zhang, Rui Zeng, Xing Yang, Shouling Ji·· 2026-10-14AI 评分25
AEIOU 统一防御框架对抗文本生成图像模型中的 NSFW 提示词
AEIOU: A Unified Defense Framework against NSFW Prompts in Text-to-Image Models
AI 导读
提出 AEIOU 统一防御框架,利用文本编码器隐藏状态特征检测 NSFW 提示词,在各类数据集上准确率超过 95%。 该框架推理时间极少,效率提升至少 10 倍,支持实时结果解释及通过数据增强进行优化,能兼容多种 T2I 架构。 AEIOU 在对抗自适应攻击方面表现有效,并在少样本和多标签场景下显著优于现有商用及开源审核工具。
来源:arXiv · NLP · arxiv.org