本文探讨了无线通信中的对抗性攻击及其防御方法，强调深度学习在信号处理中的应用面临的攻击风险，特别是功率分配和调制方案的攻击。提出了动态防御系统和通用对抗扰动（UAP）方法，以增强通信系统的安全性和鲁棒性。

本文探讨了一种针对图像检索系统的对抗攻击方法，提出了生成通用对抗扰动的新技术。通过多尺度调整和排名蒸馏策略，显著降低了图像检索性能，并在多个数据集上验证了其有效性，展示了该方法在实际搜索引擎中的潜力。

本文提出了历史分布保持（HDP）框架，使用通用对抗扰动（UAP）模拟历史伪造分布，通过知识蒸馏维持真实面孔在不同模型中的分布变化。该方法有效学习新的伪造攻击而不遗忘先前的攻击，并构建了连续面部伪造检测（CFFD）基准。实验证明该方法优于现有竞争对手。