一种基于异常感知的深度学习模型对抗训练方法

本发明涉及一种基于异常感知的深度学习模型对抗训练方法，属于计算机模型领域，包括：对获取的数据集进行预处理，确定原始样本并生成对抗性样本后划分为训练集、验证集和测试集；根据对抗性样本对深度学习模型影响的程度，将其分为正常案例和两种异常案例；采用不同的对抗训练策略，分别对正常案例和两种异常案例进行训练；整合对抗训练策略，通过训练集对深度学习模型进行端到端训练；通过验证集和测试集评估训练后深度学习模型的性能，并将深度学习模型应用到实际场景中。本发明通过引入对异常案例的特别处理，有效增强了深度学习模型对复杂对抗攻击的抵抗力，不仅对常规的对抗性攻击有较好的防御效果，也能够应对更为精细和隐蔽的攻击策略。