待验证50% 置信事实精确时间
芝加哥大学开发了Nightshade工具，通过在图像中嵌入对抗性扰动使爬取该图像训练出的模型产生错误的视觉关联
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/7/12
首次发现
有效期至：2026/10/10
来源
反AI字体：人能读懂、机器识别不了的对抗性设计
hackernewshackernews2026/7/11
相关事实
待验证Glaze和Nightshade等工具帮助艺术家为作品添加对抗性扰动，使其难以被AI模型有效学习68% 相似待验证人像虚化效果由光圈物理浅景深+算法边缘识别共同决定，可变光圈能提供更真实的焦外过渡，但发丝、眼镜边缘的抠像仍依赖软件，实拍样张比参数更值得看63% 相似待验证算法激进的机型夜景提亮猛但涂抹感强、噪点被抹成塑料质感；算法克制的保留暗部细节但整体偏暗，看重画质选后者并手动降低夜景提亮63% 相似待验证卡内基梅隆大学研究团队曾展示特定设计的图案可使人脸识别系统完全失效61% 相似待验证夜间画质增强（如强光抑制、宽动态）越激进，画面延迟越高，转弯时后车影像可能有明显拖影，鱼与熊掌需权衡实时性59% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/491922API
curl https://kongchang.com/api/v1/knowledge/claims/491922MCP
get_claim(id=491922)