基于自适应梯度重构的神经网络对抗训练方法、系统及设备

一种基于自适应梯度重构的神经网络对抗训练方法、系统及设备，其方法为，对存在对抗样本攻击威胁的领域任务，读入领域任务图像训练数据集，并进行预处理；构造相应数据集下的神经网络模型的标准损失函数，并通过反向传播技术计算标准损失函数梯度；构造对应神经网络模型的鲁棒损失函数，并通过反向传播技术计算鲁棒损失函数梯度；构造自适应梯度重构的神经网络对抗训练算法框架AGR；完成神经网络模型的对抗训练；其系统和设备用于实现所述方法；本发明适用于各种需要提高深度神经网络鲁棒性和泛化能力的应用领域，包括但不限于图像分类、自动驾驶车辆识别系统、物体检测以及其他需要应对对抗性攻击的机器学习任务。