本研究提出了一种新的多粒度藏文文本对抗攻击方法TSTricker，针对神经网络模型在藏语文本中的脆弱性。该方法通过掩蔽语言模型生成替代音节或单词，并优化替代顺序，实验结果显示其攻击效果显著优于基线方法，分类模型准确率降低超过28.70%。