|
|
|
|
@ -0,0 +1,154 @@
|
|
|
|
|
# 基于对抗性扰动的多风格图像生成防护系统
|
|
|
|
|
|
|
|
|
|
需求规格说明书（第一版ver1.0）
|
|
|
|
|
============
|
|
|
|
|
|
|
|
|
|
| 版本号 | 日期 | 作者 | 备注 |
|
|
|
|
|
| ----- | ---------- | --------- | ----------------- |
|
|
|
|
|
| V 1.0 | 2025-10-15 | 杨逸轩(文档管理) | 初版文档，用于系统需求确认与评审。 |
|
|
|
|
|
|
|
|
|
|
* * *
|
|
|
|
|
|
|
|
|
|
1 引言 (Introduction)
|
|
|
|
|
-------------------
|
|
|
|
|
|
|
|
|
|
### 1.1 编写目的
|
|
|
|
|
|
|
|
|
|
本文档旨在明确“基于对抗性扰动的多风格图像生成防护系统”项目的需求、功能、性能及约束条件。作为项目团队、指导老师和需求方之间达成一致的依据，指导后续的设计、开发、测试和维护工作。
|
|
|
|
|
|
|
|
|
|
### 1.2 项目范围
|
|
|
|
|
|
|
|
|
|
本系统的核心功能是针对数字内容（特别是人脸、艺术品等）添加人类视觉不可感知的对抗性扰动，以防止这些图像的风格被未经授权的个性化生成模型（如 DreamBooth、LoRA 等基于扩散模型的微调技术）进行学习、模仿和复制。系统需提供防护处理、效果评估与对比分析的 Web 界面。
|
|
|
|
|
|
|
|
|
|
### 1.3 术语和缩略语
|
|
|
|
|
|
|
|
|
|
| 术语/缩略语 | 中文解释 | 英文解释 |
|
|
|
|
|
| --------------- | ------------------- | ------------------------------------------- |
|
|
|
|
|
| 抗扰动防护系统 | 本项目系统 | Adversarial Perturbation Protection System |
|
|
|
|
|
| 对抗性扰动 | 微小的、不可感知但能误导模型的输入变化 | Adversarial Perturbation (AP) |
|
|
|
|
|
| DreamBooth/LoRA | 基于扩散模型的个性化生成技术 | Diffusion Model Fine-Tuning Technologies |
|
|
|
|
|
| Web 应用 | 浏览器访问的应用程序 | Web Application |
|
|
|
|
|
| FID | 图像生成质量评估指标 | Fréchet Inception Distance |
|
|
|
|
|
| FDSR | 图像生成质量评估指标 | Feature Distortion to Style Retention Ratio |
|
|
|
|
|
| ϵ | 扰动预算/强度 | Perturbation Budget |
|
|
|
|
|
|
|
|
|
|
### 1.4 参考资料
|
|
|
|
|
|
|
|
|
|
1. 项目总计划书
|
|
|
|
|
|
|
|
|
|
2. 小组会议纪要-第4周（需求确认与任务安排）
|
|
|
|
|
|
|
|
|
|
3. Vue 3 官方文档
|
|
|
|
|
|
|
|
|
|
4. Flask 官方文档
|
|
|
|
|
|
|
|
|
|
5. **核心对抗性扰动算法论文：**
|
|
|
|
|
|
|
|
|
|
* **SimAC:** A Simple Anti-Customization Method for Protecting Face Privacy against Text-to-Image Synthesis of Diffusion Models (CVPR 2024)
|
|
|
|
|
|
|
|
|
|
* **CAAT:** Perturbing Attention Gives You More Bang for the Buck: Subtle Imaging Perturbations That Efficiently Fool Customized Diffusion Models (CVPR 2024)
|
|
|
|
|
|
|
|
|
|
* **PID:** Prompt-Independent Data Protection Against Latent Diffusion Models (ICML 2024)
|
|
|
|
|
|
|
|
|
|
* **Anti-DreamBooth:** Protecting users from personalized text-to-image synthesis (ICCV 2023)
|
|
|
|
|
|
|
|
|
|
* Can Protective Perturbation Safeguard Personal Data from Being Exploited by Stable Diffusion? (CVPR 2024)
|
|
|
|
|
|
|
|
|
|
* * *
|
|
|
|
|
|
|
|
|
|
2 总体描述 (Overall Description)
|
|
|
|
|
----------------------------
|
|
|
|
|
|
|
|
|
|
### 2.1 产品远景
|
|
|
|
|
|
|
|
|
|
本系统致力于为数字内容创作者提供一种高效、鲁棒的技术手段，保护其原创图像风格和版权免受未经授权的个性化生成模型的侵害，成为数字艺术品和个人肖像保护领域的技术标杆。
|
|
|
|
|
|
|
|
|
|
### 2.2 用户特征
|
|
|
|
|
|
|
|
|
|
| 用户群体 | 角色 | 权限与需求 |
|
|
|
|
|
| --------- | ---- | ------------------------------------------------ |
|
|
|
|
|
| 内容创作者/设计者 | 普通用户 | 具备图像上传、防护处理、下载处理后图像的权限。 |
|
|
|
|
|
| 研究人员/管理员 | 管理用户 | 具备所有普通用户权限，并能自定义和调整扰动算法参数、进行多种算法对比测试、查看详细量化分析报告。 |
|
|
|
|
|
|
|
|
|
|
### 2.3 限制与约束
|
|
|
|
|
|
|
|
|
|
1. **技术约束：** 采用前后端分离架构。前端：Vue 3；后端：Flask；模型：Python 深度学习框架（如 PyTorch）。
|
|
|
|
|
|
|
|
|
|
2. **时间约束：** 需在项目周期内（此处暂时留白）完成所有核心功能的开发与测试。
|
|
|
|
|
|
|
|
|
|
3. **合规约束：** 系统需确保对原始图像的扰动效果在人类视觉上是**不可感知**的。
|
|
|
|
|
|
|
|
|
|
### 2.4 假设和依赖
|
|
|
|
|
|
|
|
|
|
1. 假设用于训练个性化生成模型（DreamBooth/LoRA）的基础模型环境是稳定且可控的。
|
|
|
|
|
|
|
|
|
|
2. 系统依赖稳定的网络连接进行 Web 交互。
|
|
|
|
|
|
|
|
|
|
* * *
|
|
|
|
|
|
|
|
|
|
3 具体需求 (Specific Requirements)
|
|
|
|
|
------------------------------
|
|
|
|
|
|
|
|
|
|
### 3.1 功能需求 (Functional Requirements)
|
|
|
|
|
|
|
|
|
|
| 编号 | 功能模块 | 功能描述 | 优先级 |
|
|
|
|
|
| ------ | ------------ | --------------------------------------------- | --- |
|
|
|
|
|
| **F1** | **用户管理** | 用户通过账号密码登录系统，并根据权限分配角色。 | 高 |
|
|
|
|
|
| **F2** | **图像上传与管理** | 支持用户上传人脸、艺术品等多类图像数据，支持小批量上传。 | 高 |
|
|
|
|
|
| **F3** | **防护处理** | | |
|
|
|
|
|
| F3.1 | 算法选择 | 提供**3 种以上**抗扰动加噪算法供用户选择。 | 高 |
|
|
|
|
|
| F3.2 | 扰动预算自定义 | 用户可**自定义扰动预算** （噪声级别）。 | 高 |
|
|
|
|
|
| F3.3 | 强保护机制（可选） | 可选择开启**强保护**模式（即使净化后仍有效）。 | 中 |
|
|
|
|
|
| **F4** | **结果下载** | 用户可下载经过扰动处理后的防护图像。 | 高 |
|
|
|
|
|
| **F5** | **效果可视化** | | |
|
|
|
|
|
| F5.1 | 图像对比 | 可视化对比**原始图像**、**加噪图像**和**净化后图像**。 | 高 |
|
|
|
|
|
| F5.2 | 3D展示 | 3D动画展示干扰前后各种指标对比。 | 高 |
|
|
|
|
|
| **F6** | **生成质量对比分析** | | |
|
|
|
|
|
| F6.1 | 定性分析 | 展示加噪图像经过个性化生成模型微调后生成的**定性结果**（图像）。 | 高 |
|
|
|
|
|
| F6.2 | 量化评估 | 针对加噪后图像，通过微调生成的质量进行评估（目标**越差越好**）。 | 高 |
|
|
|
|
|
| F6.3 | 指标展示 | 展示 **FID、FDSR**（或其他）等指标的评估结果。 | 高 |
|
|
|
|
|
|
|
|
|
|
### 3.2 性能需求 (Performance Requirements)
|
|
|
|
|
|
|
|
|
|
| 编号 | 需求项 | 需求描述 |
|
|
|
|
|
| --- | --------- | ------------------------------------------- |
|
|
|
|
|
| P1 | **响应时间** | 图像上传后，完成一次加噪处理（默认参数）的等待时间**不超过 ? 秒**。（暂未确定） |
|
|
|
|
|
| P2 | **并发处理** | 系统需支持**至少 ? 个并发用户**同时进行图像防护处理。（暂未确定） |
|
|
|
|
|
| P3 | **数据吞吐量** | 支持处理单张不小于 ?MB 的高分辨率图像文件。（暂未确定） |
|
|
|
|
|
|
|
|
|
|
### 3.3 接口需求 (Interface Requirements)
|
|
|
|
|
|
|
|
|
|
#### 3.3.1 用户界面 (UI) 需求
|
|
|
|
|
|
|
|
|
|
1. 界面设计应简洁、直观，遵循 Web 应用的通用设计规范。
|
|
|
|
|
|
|
|
|
|
2. 关键参数（如扰动预算 、算法选择）的设置应易于操作和理解。
|
|
|
|
|
|
|
|
|
|
3. 可视化结果（如图像对比、注意力图谱）应清晰展现，支持缩放和下载。
|
|
|
|
|
|
|
|
|
|
#### 3.3.2 软/硬件接口需求
|
|
|
|
|
|
|
|
|
|
1. **前端接口：** 基于 Vue 3 的组件化开发，通过 **Axios** 等工具与后端进行 **RESTful API** 交互。
|
|
|
|
|
|
|
|
|
|
2. **后端接口：** 基于 Flask 框架实现，负责接收前端请求、调用模型、处理数据、返回结果。
|
|
|
|
|
|
|
|
|
|
3. **模型接口：** 后端通过 Python 内部调用训练好的对抗性扰动模型和评估模型。
|
|
|
|
|
|
|
|
|
|
### 3.4 数据需求 (Data Requirements)
|
|
|
|
|
|
|
|
|
|
1. **数据集：** 需支持对**人脸、油画、艺术品**等 **3 种以上**数据集的加噪和测试。
|
|
|
|
|
|
|
|
|
|
2. **数据存储：** 系统需存储原始图像、加噪处理后的图像以及用户配置的参数信息、评估指标结果。
|
|
|
|
|
|
|
|
|
|
3. **数据库设计：** 需设计存储用户（权限）、图像元数据、扰动结果和评估报告等信息的数据库表格。
|
|
|
|
|
|
|
|
|
|
### 3.5 其他非功能需求 (Other Non-Functional Requirements)
|
|
|
|
|
|
|
|
|
|
| 编号 | 需求项 | 需求描述 |
|
|
|
|
|
| --- | -------- | ------------------------------------------------ |
|
|
|
|
|
| N1 | **鲁棒性** | 系统需确保在不同微调技术（DreamBooth/LoRA）下，防护效果保持稳定。 |
|
|
|
|
|
| N2 | **可移植性** | 前端 Vue 3 具备跨浏览器兼容性；后端 Flask 部署在主流操作系统（如 Linux）上。 |
|
|
|
|
|
| N3 | **安全要求** | 用户数据（上传图像）应严格保密；登录需进行身份验证。 |
|
|
|
|
|
| N4 | **可维护性** | 前后端代码应结构清晰、模块化，并配有充分的代码注释。 |
|
|
|
|
|
| N5 | **可用性** | 系统需提供用户操作手册（此处暂时留白）。 |
|
|
|
|
|
| N6 | **数据精度** | 扰动预算 等参数的设置需支持至少小数点后?位精度。（暂未确定） |
|
