由于其强大的表示学习能力以及对表示和哈希码的联合学习的促进，深度哈希学习取得了可喜的成果，并且在大规模近似最近邻搜索中越来越受欢迎。 但是，最近的研究强调了深层图像分类器容易受到对抗性例子的影响。 这也为深度检索系统带来了深刻的安全问题。 因此，为了研究现代深度哈希模型对对抗性摄动的鲁棒性，我们提出了哈希对抗性生成（HAG），这是一种为汉明空间搜索制作对抗性示例的新颖方法。 HAG的主要目标是生成不易察觉的示例作为查询，其与目标哈希模型的最近邻居在语义上与原始查询无关。 大量的实验证明，HAG可