本文提出了一种基于模式连通性（Mode Connectivity）的高效进化攻击方法 MoCo-EA，旨在解决传统进化算法在生成对抗样本时因离散交叉操作破坏对抗属性而导致效率低下的问题。核心创新在于将传统进化算法中的交叉算子替换为基于贝塞尔曲线（Bézier curve）的连续优化交叉算子。作者首先发现成功对抗扰动之间存在模式连通性，即对抗样本在高维空间中位于连续流形上，且流形上的中间点不仅能保持甚至能增强攻击效果。基于此，MoCo-EA 通过优化父本扰动之间的连续贝塞尔路径，生成新的后代扰动，避免了离散插值带来的对抗性损失。实验表明，MoCo-EA 在多个基准数据集上显著优于传统离散遗传操作，不仅收敛时间更短、查询次数更少，而且生成的对抗样本具有更高的可迁移性。该工作挑战了将对抗样本视为孤立点的传统观点，揭示了对抗空间的几何结构，为攻击生成与防御研究提供了新方向。