본 논문은 이미지 생성 모델에서 스타일 모방 공격(DreamBooth, Textual Inversion 등)에 대한 방어 기법인 StyleGuard를 제안한다. 기존의 Glaze, Anti-DreamBooth와 같은 방어 기법들이 DiffPure, Noise Upscaling 등의 정제 기법에 취약하다는 점을 지적하며, 모델 간 전이성이 낮은 한계를 극복하고자 한다. StyleGuard는 잠재 공간에서 스타일 관련 특징을 원본 이미지와 다르게 만드는 새로운 스타일 손실 함수와, 다양한 정제 및 업스케일링 기법을 활용하는 업스케일 손실 함수를 통해 강력한 방어 성능을 제공한다. WikiArt와 CelebA 데이터셋을 이용한 실험 결과, StyleGuard는 다양한 변환과 정제 기법에 대해 기존 방법들보다 뛰어난 강건성을 보이며, DreamBooth와 Textual Inversion 등 다양한 스타일 모방 기법에 효과적임을 보였다.
