本文提出了一种名为 TraceTarnish 的文本作者匿名化系统，旨在对抗基于风格计量（stylometry）的作者识别技术。研究灵感来源于希腊神话中赫尔墨斯击败百眼巨人阿耳戈斯的故事，象征着通过巧妙策略战胜强大的监视系统。TraceTarnish 包含四个核心模块：翻译（Translation）、混淆（Obfuscation）、模仿（Imitation）和注入（Injection）。翻译模块将原文翻译成另一种语言再回译以改变风格；混淆模块通过替换同义词、调整句法等方式模糊写作特征；模仿模块尝试模仿特定目标作者的风格；注入模块则插入零宽度 Unicode 字符、同形异义词（homoglyphs）和故意拼写错误以干扰统计特征。作者通过消融实验（ablation study）评估各模块的有效性，实验使用多个风格计量分类器进行测试。结果表明，注入模块效果最佳，它能以最低的计算成本显著降低作者识别准确率，而其他模块的效果相对有限。该研究强调了对抗性文本操作用于保护隐私的潜力，并指出注入类攻击在现实场景中易于实施且难以检测。论文的主要贡献在于系统性地比较了多种风格混淆策略，并揭示了注入操作的优越性。本文适合对隐私保护、自然语言处理安全及对抗性机器学习的研究人员阅读。