用于降低对抗迁移性的模型训练方法、装置及介质

本发明公开了一种用于降低对抗迁移性的模型训练方法、装置及介质，包括获取训练集，每张图片的遗忘次数初始化为0；在训练集中的每个样本添加对抗扰动，生成对抗样本集；对训练集中每个样本，分别计算代理模型和第一目标模型的交叉熵损失值，利用梯度下降算法更新代理模型和目标模型的参数；对对抗样本集中每个对抗样本，计算更新后的代理模型和第一目标模型的余弦相似度，利用梯度下降算法更新第一目标模型的参数；重复该过程，在每一次训练周期中，记录曾经被正确分类的样本是否被错误分类，若是，遗忘次数加一，否则遗忘次数不变；删除遗忘次数为零的样本，剩余样本及其对应的对抗样本用于训练第二目标模型。本发明大幅度减少模型训练时间。