本文提出了一种名为 InkShield 的主动式书写风格防御方法，旨在防止未经授权的手写体模仿攻击。近年来，手写文本生成器能够根据公开可获取的参考样本复制特定作者的书写风格，这可能导致文档伪造和身份盗用等风险。例如，攻击者可利用公开的手写笔记或签名样本，生成伪造的推荐信或授权表格，进而造成文件欺诈、身份滥用和误导性决策。已有的针对自然图像的编辑或合成防御手段难以直接迁移到手写风格模仿场景，因为这类方法通常针对具有复杂背景的自然图像优化扰动，且往往在全图像范围内添加扰动，而在稀疏的手写图像中，这种全局扰动会在空白背景区域显得十分突兀，严重损害视觉质量。为此，InkShield 在图像发布之前主动保护参考样本。其核心思路包括：首先选择一个诱饵书写者来定义风格位移方向；然后利用一个冻结的手写生成代理模型来优化扰动；最后将扰动限制在墨水笔画的边缘区域，以避免在空白背景上产生明显伪影。在 IAM 数据集上的实验表明，经过 InkShield 保护后，两个独立书写者评估器对生成样本检索为目标作者的平均 Top-1/Top-5 成功率分别从 11.94%/36.52% 降至 2.03%/8.79%。同时，保护后的参考图像与原始图像在感知上非常接近（LPIPS 0.0078），且生成的文本仍然可读。此外，InkShield 还表现出对其他手写生成器的可迁移性。总体而言，InkShield 为手写风格模仿提供了实用的防护手段。该研究面向计算机视觉、数字取证与隐私保护领域，尤其适合关注对抗性机器学习、生成模型安全以及文档真实性验证的研究人员和安全从业者阅读。由于仅基于论文摘要分析，具体技术细节和实验复现需查阅全文。

本文提出并实现了一种名为 RadSee 的 6 GHz 调频连续波 (FMCW) 雷达系统，能够穿透墙体检测人的手写笔迹。与现有的基于射频的人体活动识别研究不同，手写笔迹幅度极小（毫米级），且需穿透墙壁，因此极具挑战性。RadSee 采用软硬件协同设计：硬件方面，定制了 6 GHz FMCW 雷达电路和两个高增益贴片天线，提供充足链路功率预算，使系统能以较低发射功率穿透大多数墙体；软件方面，提取与手部运动对应的有效相位特征，并利用带注意力机制的双向 LSTM (BiLSTM) 模型对字母进行分类。该系统能检测毫米级手写运动，并基于独特相位模式识别大部分字母，同时具备对其它移动物体和带内无线电设备干扰的鲁棒性。原型系统在多种场景下评估，实验结果表明：当受试者书写 62 个随机字母时，字母识别准确率达 75%；书写文章时，单词识别准确率达 87%。论文详细介绍了硬件设计、信号处理流程、深度学习模型以及实验设置与结果，证明了通过墙进行非接触式手写识别的可行性。