photoguard

给图片加“免疫”，让AI改不动你的图

开源 🏷️完全免费 ✅ 目前可打开图像生成 🍴 复刻 90 🐛 待处理 12 👀 关注 16

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 960

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源项目，MIT许可证，提供在线演示页面，完全免费使用。

项目预览

项目数据

分类图像生成

开发团队MadryLab

官网地址https://gradientscience.org/photoguard

GitHubhttps://github.com/MadryLab/photoguard

定价模式🏷️完全免费

价格说明开源项目，MIT许可证，提供在线演示页面，完全免费使用。

访问状态✅ 目前可打开

是否开源是

开源协议MIT

主要语言Jupyter Notebook

技术栈/模型adversarial-attacks,adversarial-examples,computer-vision,deep-learning,deepfakes,robustness,stable-diffusion

GitHub 星标★ 960

上线时间2022-11-03 00:00:00

代码更新2023-02-27

仓库体积17.5 MB

本站数据更新2026-11-11

维护状态低维护

收录时间2026-08-09

浏览次数2

项目介绍

PhotoGuard是一个旨在防御恶意AI图像编辑的开源项目，由MIT的研究人员开发。它通过给图像添加难以察觉的扰动，破坏扩散模型（如Stable Diffusion）对图像的编辑能力，从而防止不法分子利用AI工具篡改图片、制造深度伪造内容。项目提供了两种攻击方法：编码器攻击和扩散攻击，分别针对图像编码器和整个扩散模型，以在图像中植入“免疫”信号。该工具的核心价值在于提高恶意编辑的成本，为图像创作者和公众提供一种保护数字内容真实性的手段。它基于Jupyter Notebook实现，易于复现和实验，适合研究对抗性攻击与防御的学者和开发者使用。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 960

技术标签

adversarial-attacks computer-vision deep-learning stable-diffusion

使用教程

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

难度：高级约 40 分钟部署方式：本地安装 4 步

环境要求

NVIDIA GPU 16G+
Python 3.10

安装与启动步骤

1建环境

图像免疫项目，用来抵抗扩散模型改图。

conda create -n photoguard python=3.10 -y && conda activate photoguard

2装依赖

torch 与 diffusers 都要，版本按 requirements。
```
pip install -r requirements.txt
```
3起 Demo

自带 Gradio 界面，上传图片即可加扰动。
```
python app.py
```
4保存加固图

输出是加了人眼不可见扰动的图，需存无损格式。
```
保存为 PNG，不要转 JPG
```