尺度不变特征变换(SIFT)作为最流行的局部特征提取算法之一,已被广泛应用于许多计算机视觉和多媒体安全应用中。 尽管已从各种角度对SIFT进行了广泛研究,但很少讨论针对恶意攻击的安全性。 在本文中,我们表明可以有效消除SIFT关键点,并在处理后的图像上将失真降到最低。 SIFT关键点消除被公式化为一个约束优化问题,在该约束条件中,精心设计了约束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。 为了隐藏执行SIFT关键点删除的痕迹,我们建议将大量伪造的SIFT关键点注入到先前清洁的图像中,并将失真降到最低。 如实验所示,我们提出的SIFT移除和注入算法明显优于最新技术。 此外,还表明,结合了SIFT关键点去除和注入攻击策略,可以击败设计用于SIFT关键点去除的最强大的法医检测器。 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。