BadAction：通过动作引导触发器对交互式视频生成进行后门攻击

交互式视频生成（IVG）模型在生成由用户定义的操作引导的可控视觉内容方面取得了显着的进步，但其安全漏洞在很大程度上仍未被探索。在本文中，我们首次系统地研究了针对 IVG 模型交互性的后门攻击。基于这个攻击面，我们提出了BadAction，它利用动作引导的触发器来实现攻击。具体来说，BadAction 将预定义的运动模式植入后门样本的动作序列中，并将它们与静态目标视频相关联。一旦触发，后门模型会生成冻结的未来帧，不再响应后续用户操作，同时保留良性操作序列的正常行为。此外，我们还探索了一种更隐蔽的攻击，其中多模态联合触发毒害动作、文本和图像输入。实验表明，BadAction 在仅操作触发下的平均攻击成功率为 91.0%，在多模态触发下的平均攻击成功率为 80.4%。此外，广泛的防御评估表明，BadAction 成功绕过了现有的后门检测方法，揭示了交互式视频生成管道中的关键安全漏洞。项目页面：https://wsad55.github.io/badaction01/.