1. 研究目的与意义（文献综述包含参考文献）

文 献 综 述 一 .研究背景、目的及意义 在过去的数年里，随着人们对神经网络研究的不断深入，学界涌现了越来越多的优秀深度学习模型，其应用范围也不断拓宽，包括医疗诊断、自动驾驶、智能合约和智慧法院等。

相较于传统机器学习模型，神经网络模型无论是准确率还是运行效率，都展现了强大的竞争力。

然而，在被广泛应用的同时，深度学习系统（dl system）也暴露出了很多问题，其中之一就是鲁棒性不足。

2. 研究的基本内容、问题解决措施及方案

一、研究或解决的问题 1、如何选择python的神经网络框架与库函数？ 2、如何在本地训练待测神经网络，并采集tensor图的关键节点？ 3、如何将采集的tensor图的关键节点保存在本地？ 4、如何从数据集中抽取一批样本并创建一个初始语料集？ 5、如何结合采集的关键节点，获取并分析对应的节点数据？ 6、如何选择扰动函数，对语料集中的元素进行扰动？ 7、如何选择覆盖值计算函数，分析扰动后的元素？ 二、研究手段 1. 整个工程运用pycharm软件，基于python 3开发环境进行开发。

选择python作为开发语言，与传统的c/c 或java相比，其开发效率更高，api更丰富，可以更加快捷地开发一个轻量级工具。

而pycharm软件是一款非常优秀的ide，可以对代码进行实时调试并对代码结构进行分析。