一种航空训练数据受投毒攻击的扰动性检测装置

本公开提供一种航空训练数据受投毒攻击的扰动性检测装置。包括S1‑S6：S1数据采集；S2搭建神经网络：输入的图像缩放至统一的大小，之后经过左侧和右侧两个分支进行特征提取，得到融合分形几何特征后的新特征图；S3攻击过程；S4模型训练；S5模型评估和调优；S6应用模型对新的图片进行发动机是否有缺陷的判断。通过上述步骤能够模拟真实的攻击场景，进而通过设计迭代算法多次调优，挖掘并分析模型在面对恶意篡改数据时的表现，最终得出模型的安全性和鲁棒性评估。解决了目前航空系统内安全性评估领域缺乏全面和实用评估手段的问题，为提高机器学习模型的安全防护能力、设计更健壮的模型提供了良好的理论和实践基础。