本書系統(tǒng)研究了深度學習模型在面臨新型對抗攻擊時的魯棒性問題，全面分析了對抗魯棒機器學習的研究現(xiàn)狀及面臨的問題和挑戰(zhàn)，并提出了創(chuàng)新性的解決方案。在對抗魯棒性評估方面，構建了集成非Lp范數(shù)新型攻擊的綜合評估基準，為全面評估模型魯棒性提供了工具。在對抗樣本檢測方面，提出了基于小樣本學習的對抗樣本檢測方法，能夠有效檢測未知類型的對抗樣本。在對抗樣本防御方面，引入元學習思想，設計了雙分支訓練架構，顯著提升了模型面對多種攻擊的防御能力。