본 논문은 텍스트-이미지 확산 모델을 대상으로 하는 백도어 공격의 은밀성을 향상시키는 새로운 방법인 Invisible Backdoor Attack (IBA)을 제안합니다. 기존 백도어 공격은 의미적 일관성과 어텐션 일관성이라는 두 가지 이상 현상을 보이는데, IBA는 이러한 일관성을 완화하여 백도어의 탐지를 어렵게 만듭니다. 구체적으로, 구문 구조를 백도어 트리거로 활용하여 의미적 일관성을 깨고, Kernel Maximum Mean Discrepancy (KMMD) 기반의 정규화 방법을 통해 어텐션 일관성을 해소합니다. 실험 결과, IBA는 97.5%의 공격 성공률을 달성하며, 기존의 세 가지 최첨단 탐지 메커니즘을 98% 이상 우회하는 것으로 나타났습니다.
