深度学习模型供应链安全漏洞检测方法、电子设备、介质

本发明公开了一种深度学习模型供应链安全漏洞检测方法、电子设备、介质，包括：构建图像分类模型，包括特征提取层和分类层；固定分类层，获取上游干净图像数据集，对上游干净图像数据集添加扰动，得到触发图像数据集；利用上游干净图像数据集、触发图像数据集对特征提取层进行训练，从而构建上游神经通路；获取下游图像数据集；根据图像分类模型中预训练后的特征提取层、微调后的分类层、下游图像数据集，从而构建下游神经通路；根据上游、下游神经通路构建通用触发器；将通用触发器嵌入至待检测的图像数据；将带有通用触发器的图像数据输入至图像分类模型中，若输出的预测标签与图像数据对应的真实标签不一致，则判定图像分类模型存在漏洞。