面向隐私保护的对抗样本防御增强方法

本发明涉及一种面向隐私保护的对抗样本防御增强方法，属于人工智能安全领域。其包括以下步骤：S1.对公开的CIFAR‑10训练数据集进行处理得到标准化样本集，采用投影梯度下降法生成对抗样本库，得到混合数据集；S2.构建多层级自适应噪声注入框架，采用改进的ResNet‑18模型，包括输入层、初始特征提取层、中间特征提取层以及输出层；混合数据集输入到模型中进行处理，得到分类结果；在前向传播阶段，通过向输入层、中间特征提取层输入噪声进行对抗防御训练，在反向传播过程中，通过向梯度层输入噪声进行隐私保护；S3.配置模型参数，通过联合损失函数对模型进行训练优化。本发明能够实现模型对抗防御和隐私保护的动态平衡。