本研究提出了一种创新的超图攻击方法（IE-Attack），通过向精英超边注入同质节点，提升了超图神经网络的攻击性能和隐蔽性，实验结果验证了其优越性。

目前文本后门攻击方法存在单一触发识别问题。本研究提出基于语法和情感的双触发攻击，优化了毒化数据集的构建，实验结果表明其攻击性能优于传统方法，揭示了文本后门攻击的严重危害。

本文提出了一种以指令为导向的有针对性攻击方法，通过将目标响应转化为目标图像，并从目标响应推断出合理的指令。该方法利用共享相同视觉编码器的本地替代模型来提取对抗示例和目标图像的指令感知特征，并优化对抗示例以最小化这两个特征之间的距离，从而提高攻击性能和可迁移性。