Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2510.16128

帮助 | 高级搜索

计算机科学 > 密码学与安全

arXiv:2510.16128 (cs)
[提交于 2025年10月17日 ]

标题: 提示注入作为保留GAI图像描述中身份的工具

标题: Prompt injections as a tool for preserving identity in GAI image descriptions

Authors:Kate Glazko, Jennifer Mankoff
摘要: 生成式人工智能的风险,如偏见和缺乏代表性,会影响那些不直接与GAI系统互动但其内容受到影响的间接用户。 已经描述了多种减轻对间接用户伤害的方法,但大多数需要自上而下或外部干预。 一种新兴策略,提示注入,提供了一种赋权的替代方案:间接用户可以从他们自己的内容中减轻针对他们的伤害。 我们的方法将提示注入提出为一种恶意攻击向量,而是作为内容/图像所有者抵抗的工具。 在本海报中,我们通过在GAI描述图像时保留图像所有者的性别和残疾身份,展示了一个提示注入赋能间接用户的案例研究。
摘要: Generative AI risks such as bias and lack of representation impact people who do not interact directly with GAI systems, but whose content does: indirect users. Several approaches to mitigating harms to indirect users have been described, but most require top down or external intervention. An emerging strategy, prompt injections, provides an empowering alternative: indirect users can mitigate harm against them, from within their own content. Our approach proposes prompt injections not as a malicious attack vector, but as a tool for content/image owner resistance. In this poster, we demonstrate one case study of prompt injections for empowering an indirect user, by retaining an image owner's gender and disabled identity when an image is described by GAI.
评论: 被接受为2025年汤会的海报
主题: 密码学与安全 (cs.CR) ; 计算机与社会 (cs.CY)
引用方式: arXiv:2510.16128 [cs.CR]
  (或者 arXiv:2510.16128v1 [cs.CR] 对于此版本)
  https://doi.org/10.48550/arXiv.2510.16128
通过 DataCite 发表的 arXiv DOI
期刊参考: The Twenty-First Symposium on Usable Privacy and Security (SOUPS 2025) Poster

提交历史

来自: Kate Glazko [查看电子邮件]
[v1] 星期五, 2025 年 10 月 17 日 18:11:07 UTC (48 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
许可图标 查看许可
当前浏览上下文:
cs.CR
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-10
切换浏览方式为:
cs
cs.CY

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号