본 논문은 알려지지 않은 조건 하에서 확산 기반 악의적인 이미지 조작으로부터 이미지를 보호하기 위한 새로운 선제적 방어 기법인 Anti-Inpainting을 제안합니다. Anti-Inpainting은 세 가지 새로운 모듈로 구성됩니다. 첫째, 확산 탈잡음 과정에서 복잡한 특징을 얻기 위한 다중 레벨 심층 특징 추출기를 도입하여 보호 효과를 향상시킵니다. 둘째, 알려지지 않은 조건에서 적대적 섭동의 전이성을 향상시키기 위해 다중 스케일 의미 보존 데이터 증강 기법을 설계합니다. 셋째, 다양한 랜덤 시드에 의해 유도되는 조작에 대한 보호를 강화하기 위해 선택 기반 분포 편차 최적화 전략을 제안합니다. InpaintGuardBench와 CelebA-HQ에 대한 광범위한 실험을 통해 Anti-Inpainting이 알려지지 않은 조건에서 확산 기반 인페인팅에 대해 효과적으로 방어함을 보여줍니다. 또한, 다양한 이미지 정제 방법에 대한 강건성과 다른 확산 모델 버전에 대한 전이성을 보여줍니다.
