【摘要】为解决传统病毒攻击样本生成算法存在适用范围较小的问题，提出一种基于反向梯度优化深度学习算法的数据病 毒攻击样本生成方法。通过自动微分计算对应感兴趣服务的梯度，为降低算法复杂度并提高算法适用范围，采用反向梯度 算法对学习过程进行反转以训练神经网络。为验证所提方法的有效性，设置垃圾邮件过滤、恶意软件检测和手写数字识别 3个数值算例，实验结果表明，所提算法具有较好的适用性。

【关键词】 反向梯度优化 深度学习算法 数据病毒样本生成 对抗性算法训练 双层优化