本文探讨了基于神经网络的图像和视频质量度量的对抗鲁棒性，分析了15种无参考质量度量在不同对抗攻击下的表现。研究发现某些度量具有较强的抵抗能力，并提出了快速对抗扰动攻击方法（FACPA）和新型对抗性贴片（TPatch、MVPatch），以提高攻击的隐蔽性和转移性。强调了防御方法的重要性，推动了对象检测和分类网络的韧性发展。