Anti-DreamBooth

给照片加隐形噪声，让AI学不会你的脸

Anti-DreamBooth 是 ICCV 2023 收录的学术项目，旨在保护用户免受个性化文本到图像合成技术的滥用。随着 DreamBooth 等个性化生成模型的出现，攻击者可以利用少量公开照片微调模型，生成包含特定人物的虚假图像，造成隐私侵犯和身份冒用。该项目通过生成对抗性扰动，在用户上传图像前添加难以察觉的噪声，使 DreamBooth 等个性化模型无法有效学习用户特征，从而阻断恶意微调。核心能力包括：针对 Stable Diffusion 和 DreamBooth 的对抗性攻击算法、基于感知相似度的扰动优化、以及跨模型泛化的防御效果。项目提供完整的训练和评估代码，支持自定义扰动强度和攻击目标，为隐私保护领域提供了实用的技术方案。

开源 free 图像生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 273

维护状态低维护

是否开源是

定价模式 free

项目数据

分类图像生成

开发团队VinAIResearch

所属国家

官网地址https://vinairesearch.github.io/Anti-DreamBooth

GitHubhttps://github.com/VinAIResearch/Anti-DreamBooth

定价模式free

价格说明开源项目，AGPL-3.0许可证，完全免费，需自行部署使用。

访问状态

是否开源是

开源协议AGPL-3.0

主要语言Python

技术栈/模型adversarial-attacks,dreambooth,personalization,stable-diffusion,text-to-image

GitHub 星标★ 273

30天Star增速

HF 下载量

上线时间2023-03-21 00:00:00

最近更新2026-07-19 00:00:00

维护状态低维护

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数2

使用教程

核心亮点

提出针对 DreamBooth 的对抗性扰动算法，有效破坏个性化训练过程
基于感知相似度约束，扰动后图像视觉质量损失小
提供完整训练和评估代码，易于复现和扩展

不足之处

仅针对 DreamBooth 类方法，对其他个性化生成技术效果待验证
文档/社区待观察

适用场景

社交媒体用户保护个人照片不被恶意用于AI换脸
隐私敏感行业（如模特、公众人物）防止肖像被滥用
研究对抗性攻击与防御的学术参考

替代项目

Glaze、Photoguard、Mist

项目介绍

Anti-DreamBooth 是评测安全领域的开源项目，由 VinAIResearch 开发，2023 年首次发布。

它收录于评测安全分类，该分类目前共有 466 个项目，GitHub 星标数为 273。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-07-19。AGPL-3.0许可证，完全免费，需自行部署使用。

它主要面向的使用场景是：社交媒体用户保护个人照片不被恶意用于AI换脸。同类可对比的替代方案包括 Glaze、Photoguard、Mist。

上一篇：T2I-CompBench

下一篇：tifa