91探花 院讯（通讯员：徐龙）近日，网络与信息安全领域国际顶级期刊IEEE Transactions on Information Forensics and Security（TIFS）在线发表91探花 学术论文“Towards Patch-based Noise Compression for Adversarial Attack against Transformer-based Visual Tracking”。91探花 为该论文的第一署名单位和第一通讯单位，高鹏副教授为论文第一作者和通讯作者，2023级研究生徐龙为论文第二作者。IEEE TIFS主要关注信息取证与安全、多媒体内容安全、人工智能安全、密码学与隐私保护等领域的前沿研究，最新影响因子为8.0，是中科院一区TOP期刊，也是中国计算机学会（CCF）、中国人工智能学会（CAAI）、中国密码学会（CACR）等多个全国性学会推荐的A类顶级期刊，具有广泛的国际影响力。此项成果标志着91探花 首次在TIFS期刊上发表论文，实现了信息安全领域的重要突破。

随着Vision Transformer（ViT）在目标检测和视觉跟踪等任务中的广泛应用，其鲁棒性与安全性问题逐渐成为学界关注的研究热点。相较于卷积神经网络，Transformer架构对局部扰动的响应机制更加复杂，使得现有对抗攻击方法在黑盒场景下面临新的挑战。围绕这一关键问题，论文从视觉跟踪任务的结构特点出发，提出了一种基于图像块的对抗噪声压缩方法（PANC）。通过引入噪声敏感性矩阵，对不同图像块的攻击贡献进行建模，实现对噪声的精细化调控，在显著降低噪声强度和模型查询次数的同时，有效提升了攻击效率与隐蔽性。在OSTrack、STARK、TransT等多种主流Transformer视觉跟踪模型以及GOT-10k、TrackingNet、LaSOT等大规模数据集上进行了系统实验验证。结果表明，与现有代表性方法相比，PANC方法在攻击性能、噪声压缩率和查询效率等多个指标上均表现出明显优势，揭示了当前Transformer视觉跟踪模型在安全性方面仍然存在的潜在风险，为相关模型的安全评估与防御机制研究提供了新的思路。

全文链接：10.1109/TIFS.2025.3648551

该研究得到了山东省重点研发计划（重大科技创新工程）、中国博士后科学基金、深圳市重点研发计划等项目的资助支持。