본 논문은 확산 기반 악의적인 이미지 조작이 증가함에 따라, 알려지지 않은 조건 하에서도 이미지를 보호할 수 있는 선제적 방어 기법인 Anti-Inpainting을 제안한다. Anti-Inpainting은 세 가지 메커니즘으로 구성된다. 첫째, 다중 레벨 심층 특징 추출기를 사용하여 확산 잡음 제거 과정에서 복잡한 특징을 얻어 보호 효과를 향상시킨다. 둘째, 다중 스케일 의미 보존 데이터 증강을 통해 의미적 무결성을 유지하면서 다양한 조건에서 적대적 섭동의 전이성을 향상시킨다. 셋째, 선택 기반 분포 편차 최적화 전략을 통해 다양한 랜덤 시드 하에서 적대적 섭동의 조작 방지 성능을 향상시킨다. InpaintGuardBench와 CelebA-HQ 데이터셋에서 다양한 이미지 정제 방법과 확산 모델 버전에 대한 실험을 통해 Anti-Inpainting의 성능과 견고성, 전이성을 검증한다.
