本发明公开了一种面向自监督视频目标分割的黑盒攻击方法，基于亲和矩阵的自监督视频目标分割模型学习视频序列的特征表示从而实现强大的像素对应关系。首先基于初始化随机产生的对抗扰动，构建针对单帧、双帧和多帧的对比损失，进行迭代优化；然后设计特征损失增强黑盒攻击所生成对抗样本的可转移性；采用像素级损失使生成的对抗样本噪声不可感知；构建多路径聚合模块获得迭代优化的对抗性扰动并将其添加到原始视频帧产生对抗样本；最终将对抗视频输入自监督视频目标分割网络得到最终预测掩码。本发明对自监督视频目标分割模型的黑盒攻击方法的研究识别了分割算法的脆弱性，能够进一步提升自监督视频目标分割任务的安全性和鲁棒性。