一种基于条件生成对抗网络的机械装备故障诊断模型的攻击和防御方法

本发明属于对抗样本攻防技术领域,提出了一种基于条件生成对抗网络的机械装备故障诊断模型的攻击和防御方法，采用条件生成对抗网络训练替代模型，对目标模型的输入输出特性进行模仿，利用对抗样本的迁移特性，到更好的攻击效果的同时，利用对抗样本通过进一步的对抗性训练提高目标模型的鲁棒性，增强其对于恶意攻击的防御能力。该方法能够在不使用目标模型的内部信息和原始数据的情况下进行替代模型的训练，更适用于机械装备故障诊断中广泛存在的原始数据不足的场景，且攻击和防御效果相对于传统的预训练替代模型方法具有显著的提升。本发明将有助于在大数据与云端计算背景下保护机械装备故障诊断模型的安全。