本研究探讨了DP-SGD训练中噪声对梯度方向的负面影响，提出了几何扰动策略GeoDP，显著提高模型效率，减少方向噪声，同时确保隐私保护。实验结果表明，该方法在多个数据集和模型上均有效。

本研究探讨几何扰动对人脸识别系统的影响，提出了一种快速的地标操纵方法，生成的对抗性人脸具有高成功率和鲁棒性。研究表明，所有像素攻击显著降低分类器的置信度，而人类仍能识别这些图像。此外，研究还提出了针对深度伪造检测器的对抗性转向技术，验证了其在真实场景中的有效性。

本研究探讨几何扰动对人脸识别系统的影响，提出了一种快速的地标操纵方法，能够生成高成功率的对抗性人脸。研究表明，所有像素攻击可使分类器的置信度下降至84%，误分类率达到81.6%。此外，提出了Adv-Makeup和Sibling-Attack等新攻击技术，增强了攻击的可迁移性和成功率。同时，研究了人脸反欺骗技术与对抗检测的关系，提出了有效的框架AdvFAS，以确保系统的可靠性。