操作系统：Ubuntu装置
版本：
关上相干的脚本代码：
将代码中的device_target改成CPU
加载数据集，引入家在数据所需以来，并设置运行环境、Log信息
建设模型，这里以LeNet模型为例训练LeNet5模型
测试模型，获取测试数据集，并且计算测试数据集在原模型上的准确率
调用MindAmour提供的FGSM接口进行对抗性攻打
测试FGSM反抗样本在原始模型上的准确率
NAD接口进行进攻
计算测试数据集在进攻模型上的准确率
测试反抗样本在进攻模型上的准确率
下发训练命令：
训练后果：测试集在原模型上的分类准确率为97.576，FGSM反抗样本在原模型上的分类准确率为51.913，误分类率48%左右，阐明原模型对于反抗样本鲁棒性较差，测试集在进攻模型上的分类准确率为96.434%，FGSM生成的反抗样本在进攻后模型上的分类准确率为86.769%，误分类率有余14%，阐明NAD进攻的确是无效的。