DiSCO는 텍스트-이미지 생성 모델이 안전해 보이는 프롬프트에서도 유해 콘텐츠를 만드는 '양성적 적대(benign adversarial)' 문제를 막는 블랙박스 방어 기법이다. 모델 재학습이나 내부 접근 없이 프롬프트 수준에서만 작동하며, 대상 모델이 직접 생성한 안전·비안전 이미지 풀을 대조 점수화해 빔서치로 접미사를 확장하고, 안전한 결과가 나올 때까지 반복 피드백을 적용한다. I2P 벤치마크에서 여러 레드팀 공격에 대해 무방비 모델과 기존 방어 모델 각각의 공격 성공률(ASR)을 37.7%, 25.13% 낮추면서도 이미지의 의미적 충실도와 일관성은 유지했다. 모델 구조에 무관하게 어떤 텍스트-이미지 시스템에도 그대로 적용 가능한 플러그인 방식이다.

• •안전해 보이지만 유해 콘텐츠를 유발하는 '양성적 적대' 프롬프트 문제 해결
• •모델 재학습·내부 접근 없이 프롬프트 수준에서만 작동하는 블랙박스 방어
• •I2P 벤치마크서 공격 성공률을 무방비 모델 37.7%, 기존 방어 모델 25.13% 감소
• •이미지 의미적 충실도·일관성을 유지하며 모든 텍스트-이미지 모델에 적용 가능