EpiReal-Bench揭示商业图像生成器视觉虚假信息风险

该论文发布 EpiReal-Bench，首个针对商业图像生成器视觉虚假信息风险的系统基准测试，包含 10k 个虚假声明提示词及对应生成的 10k 张图像，覆盖 10 类现实世界声明和 10 种可信视觉格式。研究发现，即使 GPT-Image-2 等商业模型在文本层面能识别声明为假，但在生成图像时仍会将其渲染为可信证据，暴露了当前对齐机制仅评估图像内容而非其断言内容的盲点。 实验显示，超过 70% 的虚假声明提示词诱发了忠实描绘虚假信息的图像，而引入 EpiReal-Attack 技能引导的黑盒优化框架后，这一比例升至 95%。该框架利用基于帕累托的选择和多模态反馈，旨在绕过安全护栏同时保持视觉真实感、文本可读性和语义保真度。这表明现有红队测试基准主要关注暴力或露骨内容，未触及视觉虚假信息这一新兴风险边界。 事实是商业模型已具备生成高仿真虚假视觉证据的能力且防御薄弱；推断是此类输出因易于传播且难以证伪，可能成为新型信息污染工具；猜测是未来监管或行业规范需将“断言真实性”纳入对齐评估体系，而非仅关注图像是否违规。