现有的单目标跟踪黑盒对抗攻击方法通常需要多次查询目标模型来生成扰动，且这些扰动往往是针对特定目标模型定制的，限制了其泛化能力。跨模态攻击为解决这些局限性提供了一种极具潜力的方案，但目前多数相关研究都聚焦于动作识别任务，而非目标跟踪领域。2025年12月5日，23级硕士研究生杜宇在夏辉教授的指导下发表论文Localized Cross-Modal Collaborative Black-Box Adversarial Attack for Visual Object Tracking，成功被Knowledge-Based Systems 录用，该论文提出了一种局部跨模态协同黑盒对抗攻击方法。该方法在实现对目标模型零查询访问的同时，还能提升攻击性能。具体而言，我们设计了一种自适应融合策略。该策略通过修改多个图像模型的多层中间特征表示来对视频帧施加扰动，从而削弱目标模型从视频帧中提取关键特征的能力。此外，我们还引入了局部时间解耦机制，以此降低帧间相似度，更高效地破坏视频的局部时间一致性。大量实验结果表明，我们的方法在零查询对抗攻击任务中取得了当前最优性能，兼具较高的攻击效率和较强的泛化能力。在六个基准数据集上的评估结果显示，该方法在不查询目标模型的前提下，扰动生成效率优于四种主流黑盒对抗攻击方法,并且能有效泛化到五种广泛使用的单目标跟踪模型上。
