本發(fā)明涉及一種圖像類對(duì)抗樣本的差異性檢測(cè)方法，屬于人工智能安全領(lǐng)域。本發(fā)明內(nèi)容包括：搭建不同訓(xùn)練周期下的高精度殘差網(wǎng)絡(luò)模型ResNet?50作為對(duì)抗樣本攻擊以及差異性檢測(cè)系統(tǒng)模型；使用多種類對(duì)抗攻擊方法分別攻擊ResNet?50模型生成對(duì)抗樣本組作為輸入樣本數(shù)據(jù)；構(gòu)建對(duì)抗樣本差異性檢測(cè)系統(tǒng)，將上述生成的各組對(duì)抗樣本進(jìn)行檢測(cè)，本發(fā)明的檢測(cè)系統(tǒng)設(shè)計(jì)包含置信度、感知度及抗干擾度三個(gè)子檢測(cè)系統(tǒng)，其中共七項(xiàng)檢測(cè)方法用來檢測(cè)各組對(duì)抗樣本間存在的差異化特性。相較于傳統(tǒng)的對(duì)抗樣本檢測(cè)方法，本發(fā)明將多類攻擊樣本間檢測(cè)全面化、具體化，提升對(duì)抗樣本檢測(cè)的多樣性。