山东大学博士生孟祥涛及其研究团队提出了一种名为“Safe-Control”的插件式安全防护方案，旨在应对文生图模型在生成过程中可能产生的暴力、色情、仇恨等不安全内容。随着生成式AI技术的广泛应用，此类模型在广告、教育、娱乐乃至医疗金融等敏感领域展现出巨大潜力，但其生成内容的合规性问题日益突出。传统安全防护手段往往依赖于模型架构的修改或重新训练，不仅成本高，且缺乏通用性。Safe-Control则采用轻量级插件设计，无需改动原有模型结构，通过在生成流程中注入安全控制信号，实时识别并抑制恶意文本提示引发的不安全图像生成。该方案在多个主流文生图模型（如Stable Diffusion、Midjourney等）上进行了广泛测试，均表现出优异的性能，显著降低不安全内容的生成率，同时保持高质量图像输出。其核心优势在于高度的迁移性与通用性，能够适应不同模型和攻击场景，具备良好的实际部署前景。研究过程中，团队面临训练数据构建、安全标准定义、控制信号融合等多重挑战，经过多轮实验与参数优化，最终实现稳定高效的防护机制。该研究受到审稿人高度评价，认为其在生成式AI安全领域具有重要创新价值。在指导教师李政教授和郭山清教授的启发下，团队突破传统思路，借鉴操作系统“打补丁”理念，提出了一种可插拔、可复用的安全增强范式。这一方法不仅为模型安全提供了新路径，也为后续构建统一的安全防护框架奠定了基础。孟祥涛计划推动Safe-Control社区建设，持续提升对新型攻击的防御能力，并推动其在产业界落地应用。作为山东大学网络空间安全学院的博士生，孟祥涛长期聚焦大模型安全性研究，在IEEE S&P、CCS等顶级会议发表多篇论文，展现出扎实的科研能力与前瞻视野。Safe-Control的提出，标志着生成式AI安全防护正从被动审查走向主动控制，为构建可信、可控的AI生态提供了关键技术支撑。