神经网络鲁棒精度权衡学习的自适应优化框架

本发明公开了神经网络鲁棒精度权衡学习的自适应优化框架，其特征在于，包括：将训练按照每K个周期分为多个训练阶段，通过设计的适应度函数对于每个阶段的神经网络进行评估，自适应地获得最适合当前阶段的攻击策略，用于下一个阶段神经网络的训练，整体建立了自适应的对抗训练框架TRA2SO。本发明中，使得模型学习到不同阶段的鲁棒提升所需要的攻击强度，最终提高模型的对抗鲁棒性，且尽可能少牺牲网络在干净样本上的预测准确率，同时根据评估信息，防止模型过拟合，使得模型可以早停。