본 논문은 복잡하고 임의의 입력 분포를 위한 브리지 기반 확산 모델에 여러 이종 백도어 트리거를 심는 데 초점을 맞추고 있습니다. 기존의 백도어 공식은 주로 단일 공격 시나리오를 다루며 가우시안 노이즈 입력 모델로 제한됩니다. 이러한 한계를 극복하기 위해, 본 논문은 임의의 입력 분포(I2I 작업을 특수한 경우로 간주)를 처리하기 위한 새로운 확산 슈뢰딩거 브리지(DSB) 프레임워크인 MixBridge를 제안합니다. MixBridge는 오염된 이미지 쌍으로 직접 훈련하여 백도어 트리거를 주입할 수 있으며, 이는 기존 연구에서 필요했던 확률적 미분 방정식에 대한 번거로운 수정을 제거하여 브리지 모델의 백도어 동작을 연구하기 위한 유연한 도구를 제공합니다. 그러나 단일 DSB 모델이 여러 백도어 트리거를 훈련할 수 있는지 여부는 중요한 질문입니다. 본 논문의 이론에 따르면, 이를 시도할 경우 모델은 양성 및 백도어 분포의 기하 평균을 따르게 되어 백도어 작업 전반에 걸쳐 성능 충돌이 발생합니다. 이를 극복하기 위해, 본 논문은 서로 다른 브리지를 혼합하기 위한 분할 및 병합 전략을 제안합니다. 이 전략은 각 특정 목표에 대해 모델을 독립적으로 사전 훈련한 다음(분할) 통합 모델로 통합합니다(병합). 또한, MixBridge의 은밀성을 향상시키기 위해 가중치 재할당 체계(WRS)도 설계되었습니다. 다양한 생성 작업에 대한 실험적 연구는 MixBridge의 효과를 보여줍니다.
