本发明涉及一种对抗样本防御模型训练方法、系统及其应用，首先获取训练集，训练集包括对抗样本和真实样本。然后构建初始防御模型，初始防御模型包括生成器、判别器和分类器。最后利用训练集对初始防御模型进行训练，得到防御模型，本发明通过构造相应逆扰动来重构对抗样本，得到近似于真实样本的重构样本，从而获得较好的对抗样本防御效果。在对对抗样本进行分类时，先利用上述防御模型对待分类对抗样本进行对抗扰动消除，得到重构样本，所得到的重构样本可近似真实样本，将该重构样本输入至分类模型，能够使得分类模型正确分类，避免对抗扰动导致分类模型错误分类的问题，显著提高分类模型对对抗样本的分类正确率。
