本书一共分为10章，第1章简要介绍了深度学习的基础知识；第2章概述了深度学习中的对抗攻击与防御技术；第3章介绍了深度学习中的对抗防御技术，主要从数据预处理、增强深度神经网络的鲁棒性、检测对抗样本三个方面进行阐述；第4章通过局部隐式图像重建增强SwinTransformer的鲁棒性；第5章介绍了基于SE模块增强ViT模型鲁棒性的防御方法；第6章利用对抗训练增强SK-ViT模型的鲁棒性；第7章基于元学习增强深度神经网络的鲁棒性；第8章通过数据预处理的方法增强分类模型的鲁棒性；第9章对比了几种防御方法的性能；第10章讲述了人工智能领域中的对抗攻击与防御实例，展望未来深度学习的发展，构建一个安全、可控的人工智能环境。