由于对各种图像变换具有很高的鲁棒性,因此尺度不变特征变换(SIFT)已广泛应用于许多计算机视觉和多媒体安全领域,以提取图像局部特征。 尽管已经从各种角度对SIFT进行了广泛研究,但是针对恶意攻击的安全性却很少得到解决。 在这项工作中,我们证明了可以有效地消除SIFT关键点,而不会在图像上造成严重的失真。 这可以通过将SIFT关键点移除公式化为约束优化问题来实现,在该问题中,对约束进行了精心设计,以抑制局部极值的存在并防止在比例空间中的局部长方体内生成新的关键点。 我们证明,理想情况下的这种优化问题是非凸的。 为了使计算可行,我们提出了一种松弛技术来凸显原始问题,同时最大程度地保留求解空间。 如实验所示,就关键点去除率失真(KRR-D)性能而言,我们提出的SIFT去除算法明显优于最新技术。 我们的结果表明,基于SIFT的系统需要一种授权机制来验证输入数据的有效性,从而实现高可靠性。