本研究探讨文本到图像扩散模型中的版权问题，提出了CopyrightMeter评估框架。研究表明，现有版权保护方法在攻击下缺乏韧性，设计选择对保护效果有显著影响，为未来更强的版权保护方法开发提供指导。

研究人员提出了一种适用于自然语言分类的保护方法CERT-ED，通过随机删除的方式进行实验。实验证明，CERT-ED在准确性和证书的基数方面优于现有的海明距离方法RanMASK。在各种威胁模型下，CERT-ED提高了实验鲁棒性。