यह शोधपत्र टेक्स्ट-टू-इमेज जेनरेशन डिफ्यूज़न मॉडल में प्रॉम्प्ट स्पूफिंग हमलों का अध्ययन करता है। हम मौजूदा संख्यात्मक अनुकूलन-आधारित प्रॉम्प्ट रिकवरी विधियों (T7725) की कमज़ोरियों को उजागर करते हैं और इमेज जेनरेशन के दौरान उपयोग किए जाने वाले शुरुआती रैंडम नंबरों के महत्व पर ज़ोर देते हैं। PyTorch के CPU-आधारित रैंडम नंबर जेनरेशन में सीमित सीड वैल्यू (2 32 ) के कारण एक भेद्यता (CWE-339) का फायदा उठाकर, हम प्रयोगात्मक रूप से प्रदर्शित करते हैं कि CivitAI प्लेटफ़ॉर्म पर लगभग 95% इमेज के सीड वैल्यू को SeedSnitch नामक टूल का उपयोग करके 140 मिनट के भीतर रिकवर किया जा सकता है। रिकवर किए गए सीड का उपयोग करते हुए, हम PromptPirate का प्रस्ताव करते हैं, जो एक जेनेटिक एल्गोरिथम-आधारित प्रॉम्प्ट स्पूफिंग विधि है जो मौजूदा अत्याधुनिक विधियों (PromptStealer, P2HP, और CLIP-Interrogator) की तुलना में 8-11% अधिक LPIPS समानता प्राप्त करती है। अंत में, हम बीज और अनुकूलन-आधारित शीघ्र स्पूफिंग को बेअसर करने के लिए प्रभावी प्रतिवाद प्रस्तुत करते हैं और इन कमजोरियों को दूर करने के लिए प्रासंगिक डेवलपर्स के साथ हमारे सहयोगात्मक प्रयासों का खुलासा करते हैं।
