本發(fā)明公開了一種對(duì)抗樣本生成方法、裝置、終端及可讀存儲(chǔ)介質(zhì)，所述方法包括：基于對(duì)抗樣本生成策略確定本次采樣對(duì)應(yīng)的目標(biāo)教師模型以及目標(biāo)攻擊算法，基于目標(biāo)教師模型以及目標(biāo)攻擊算法進(jìn)行強(qiáng)化學(xué)習(xí)，得到中間對(duì)抗樣本，并基于所述中間對(duì)抗樣本優(yōu)化對(duì)抗樣本生成策略，基于中間對(duì)抗樣本確定參與學(xué)生模型訓(xùn)練的對(duì)抗樣本，基于優(yōu)化后的對(duì)抗樣本生成策略進(jìn)行迭代強(qiáng)化學(xué)習(xí)訓(xùn)練，直到檢測(cè)到迭代停止條件，迭代強(qiáng)化學(xué)習(xí)訓(xùn)練結(jié)束。通過(guò)強(qiáng)化學(xué)習(xí)算法針對(duì)當(dāng)前學(xué)生模型動(dòng)態(tài)地找到攻擊強(qiáng)度最大的一種或幾種攻擊算法以及對(duì)應(yīng)的參數(shù)，進(jìn)而高效生成包含難樣本的對(duì)抗樣本用來(lái)訓(xùn)練學(xué)生模型，在加速模型訓(xùn)練的同時(shí)，顯著提升了模型面對(duì)攻擊的魯棒性。