本文提出了一种针对基于摄像头的自主目标跟踪系统（如无人机、机器人等）的新型物理攻击方法——FlyTrap。该类系统通常依赖视觉目标跟踪算法（如SiamRPN、DiMP等）来锁定并跟随目标。攻击者通过精心设计物理世界中的对抗性图案（例如在衣服上打印特定纹理），使得跟踪算法将攻击者误判为原始目标，从而诱使受害者系统远离原始目标并跟随攻击者移动，实现“距离拉取”效果。论文作者系统性地分析了主流目标跟踪模型在物理对抗样本下的脆弱性，并提出了一个可转移的攻击框架，该框架不依赖攻击者对受害系统内部知识的完全掌握。实验部分在真实无人机平台和仿真环境中验证了攻击的有效性，展示了高成功率（超过80%）和对不同跟踪模型的迁移性。此外，论文还讨论了潜在的防御措施，如基于运动一致性的异常检测和输入预处理。该研究揭示了自主跟踪系统在物理世界中的安全盲区，对无人机、自动驾驶、安防监控等领域具有重要警示意义。