1.一种基于样本选择和模型进化的黑盒对抗性攻击防御方法，其特征在于，所述方法包括以下步骤：

1)生成对抗样本，过程如下：

1.1)初始化参数i＝1；若是第一次进行训练，则令对抗样本池中样本个数m0＝0，样本选择器Ss中各类样本选择个数Num0＝Num1＝…＝Numn＝a，a为常量；

1.2)用样本选择器Ss从样本S中随机选择对应个数Num的样本；若j类样本的个数mj大于该类要选择的个数Numj，则只选择mj个样本；

1.3)将得到的样本输入到第i个攻击模型Ai中，得到对应的对抗样本AiS；

1.4)i＝i+1，若i＞k则进入步骤2)，否则回到步骤1.2)，其中k是攻击模型的个数；

2)攻击黑箱模型并分析攻击结果，过程如下：

2.1)将对抗样本AiSjt输入到黑箱模型，得到分类结果y'以及概率p(AiSjt)；AiSjt表示攻击模型Ai攻击第j类样本中随机选择的第t个样本得到的对抗样本；

2.2)计算对抗样本AiSjt的攻击效果p'(AiSjt)；p(AiSjt)越高，与原图越相似，则p'(AiSjt)越大；

其中，y为正确的分类结果，y'为实际的分类结果，ρ为原图与对抗样本中间的扰动；若对抗样本池中的对抗样本经过攻击模型再次得到新的对抗样本，ρ是此次攻击模型的扰动加上之前累计的扰动的和；α用于调节误判概率和扰动之间的比重；

2.3)计算各类对抗样本AiSj的攻击成功率P(AiSj)：

2.4)计算每个攻击模型生成的对抗样本的攻击成功率PA(Ai)，即该模型生产的对抗样本的平均攻击效果：其中，n为正常样本类别总数；

2.5)计算每类样本对应的对抗样本的攻击成功率PS(Sj)，即该类样本对应的对抗样本的平均攻击效果；

2.6)对抗样本的攻击效果p'(AiSjt)≠0的样本进行排序，取前b个对抗样本作为优质样本SA，其中b为常数；

3)更新对抗样本生成模型，过程如下：

3.1)将每类样本的攻击成功率PS(Sj)进行排序得到PS'(Sj)，根据公式(5)更新样本选择器Ss中每类样本选择个数；其中c＞1，d＜1均为常数，用于调节Numj变化范围及比例；当Numj大于该类的总数mj时Numj＝mj；

3.2)更新对抗样本池，过程如下：

3.2.1)初始化变量l，令l＝1；SAl表示攻击效果p'(AiSjt)第l大的优质对抗样本；

3.2.2)若对抗样本池中对抗样本个数m0小于对抗样本池容量M0，跳转到步骤3.2.4)；

3.2.3)比较p'(SAl)与p'(S0m0)的大小，S0m0为对抗样本池中攻击效果最差的对抗样本；

若p'(SAl)＞p'(S0m0)，则进入步骤3.2.4)，否则跳到步骤3.2.5)；

3.2.4)将SAl加入到对抗样本池中，m0＝m0+1，l＝l+1；若l≤b跳到步骤3.2.2)；

3.2.5)分别计算池中对抗样本被攻击前最原始的类别为第j类的个数，若个数大于常量e，则将其按照攻击效果进行排序，删除e之后的对抗样本；

3.2.6)对对抗样本池中所有样本进行排序，若此时m0＞M0,删除M0之后的对抗样本；

3.3)采用遗传算法改进攻击模型，过程如下：

3.3.1)将每个攻击模型的攻击成功率PA(Ai)进行排序，取前f％的攻击模型作为新的攻击模型A'i,i∈1,2,...,k'，k'为新攻击模型的个数；

3.3.2)采用轮盘选择法选择攻击模型；计算攻击模型A'i被选择的概率；

3.3.3)根据概率随机选择两个攻击模型，克隆并交叉；

3.3.4)根据设定比例随机对某一个变量进行突变；

3.3.5)若攻击模型k'的数量小于k，则跳到步骤3.3.2)；

3.3.6)用攻击模型A'更新原有的攻击模型A；

3.4)若迭代次数小于g，g为常量，则跳转到步骤1.1)；否则停止循环，输入对抗样本池中攻击效果p'最高的对抗样本作为本次训练的数据结果；

4)将大量的训练的输出结果和正常的样本进行训练，即可对该类攻击进行防御。

2.如权利要求1所述的基于样本选择和模型进化的黑盒对抗性攻击防御方法，其特征在于：所述步骤1)中，用样本选择器从多类样本中随机选择样本，输入到多个不同的攻击模型中并生成对抗样本，使得每类样本和攻击模型都会相互结合。通过训练样本、攻击模型的多样性保证生成的对抗样本的多样性，为后续的更新提供基础。

3.如权利要求1所述的基于样本选择和模型进化的黑盒对抗性攻击防御方法，其特征在于：所述步骤2.5)中，提供不同类别的正常样本的攻击效果评价标准，步骤3.1)根据攻击效果更新选择器中每类样本选择个数，增加攻击效果好的类别输入到攻击模型中的样本个数，减少攻击效果差的样本的个数，使得生成的对抗样本具有更好的攻击效果。

4.如权利要求1或2所述的基于样本选择和模型进化的黑盒对抗性攻击防御方法，其特征在于：所述步骤2.4)中，提供不同攻击模型的攻击效果评价标准，步骤3.3)采用遗传算法对模型进行更新，在优化攻击模型的基础上保证攻击模型的多样性。

5.如权利要求1或2所述的基于样本选择和模型进化的黑盒对抗性攻击防御方法，其特征在于：所述步骤2.6)中，选取生成对抗样本中攻击效果较好的样本作为优质样本，3.2)将优质样本输入到对抗样本池中，用于更新对抗样本池；其中3.2.3)和3.2.6)优化对抗样本池中样本的攻击效果，3.2.5)保证对抗样本池的多样性。