本研究提出了一种新方法，通过对抗生成样本形成扰动掩码，解决深伪检测器在特征重要性推断和视觉解释方面的不足，显著提升了解释性能。

该研究提出了基于评分的对抗生成（ScoreAG）框架，可生成逼真的对抗样本，提高分类器的鲁棒性。ScoreAG 在多个基准测试上表现良好，强调了对抗样本在语义边界上的研究的重要性。