1.一种深度神经网络对抗攻击的检测装置，其特征在于，包括检测件本体(1)，所述检测件本体(1)顶端的一侧依次固定有第一开关(3)和第二开关(4)，所述检测件本体(1)顶端的内部活动连接有第一过滤板(5)，所述检测件本体(1)顶端内部活动连接有第二过滤板(7)，且所述第二过滤板(7)位于所述第一过滤板(5)的底端，所述第一过滤板(5)的一侧固定有固定块(6)，所述第二过滤板(7)的一侧固定有固定柱(8)，所述检测件本体(1)内部位于所述第一过滤板(5)与所述第二过滤板(7)的底端均布固定有固定杆(11)，所述检测件本体(1)内部位于所述第一过滤板(5)的底端固定有加热板(9)，所述检测件本体(1)内部位于所述第二过滤板(7)的底端固定有冷却板(10)，所述检测件本体(1)内部的底端均布固定有电机(12)，所述电机(12)的输出端固定有扇叶(13)，所述检测件本体(1)的顶端均布开设有透气孔，所述检测件本体(1)底端的两侧均布开设有凹槽，所述加热板(9)通过所述第一开关(3)与外部电源电性连接，所述冷却板(10)通过所述第二开关(4)与外部电源电性连接，所述电机(12)与外部电源电性连接。

2.根据权利要求1所述的一种深度神经网络对抗攻击的检测装置，其特征在于，所述检测件本体(1)的底端固定有减震装置(2)，所述减震装置(2)包括固定盒(14)、限位柱(15)、固定板(16)和弹簧(17)，所述固定盒(14)的顶端均布活动连接有限位柱(15)，所述限位柱(15)的底端固定有固定板(16)，所述固定板(16)的底端均布固定有弹簧(17)，且所述弹簧(17)位于所述限位柱(15)的底端。

3.根据权利要求1所述的一种深度神经网络对抗攻击的检测装置，其特征在于，所述检测件本体(1)顶端位于所述第一过滤板(5)的一侧开设有第一滑槽，且所述第一滑槽的容积与所述第一过滤板(5)的体积相匹配，所述第一过滤板(5)通过所述第一滑槽与所述检测件本体(1)滑动连接。

4.根据权利要求3所述的一种深度神经网络对抗攻击的检测装置，其特征在于，所述检测件本体(1)一侧位于所述第二过滤板(7)的一侧开设有第二滑槽，所述第二滑槽的容积与所述第二过滤板(7)的体积相匹配，且所述第二过滤板(7)通过所述第二滑槽与所述检测件本体(1)滑动连接。

5.根据权利要求2所述的一种深度神经网络对抗攻击的检测装置，其特征在于，所述限位柱(15)的数量为四个，且所述限位柱(15)的顶端与所述检测件本体(1)通过焊接固定。

6.根据权利要求5所述的一种深度神经网络对抗攻击的检测装置，其特征在于，所述固定盒(14)顶端位于所述限位柱(15)的部位开设有限位槽，且所述限位柱(15)通过所述限位槽与所述固定盒(14)滑动连接。

7.一种深度神经网络对抗攻击的检测方法，用于权利要求1‑6中任意一项所述的深度神经网络对抗攻击的检测装置的使用，其特征在于，包括以下步骤：输入样本数据，并对样本数据进行预处理，得到正数据和负数据；

整理数据，将正数据按照正常的流程进行，待其行进到负数据时，发出警告；

此时计算出负数据最小扰动的距离；

根据相关负数据以及最小扰动的距离生成第三方数据，并且通过第三方数据得到对抗样本；

通过第三方数据进行攻击正数据，使其在发出警告位置替换成第三方数据，令正数据进行恢复。

8.根据权利要求7所述的一种深度神经网络对抗攻击的检测方法，其特征在于，上述对样本数据进行预处理，预处理以下步骤：清理数据，删除掉无词义的符号、空格；

对数据进行正负处理得到正数据和负数据。

9.根据权利要求8所述的一种深度神经网络对抗攻击的检测方法，其特征在于，上述对数据进行正负处理的标准为有益于数据按照规定进行的贴上正数据标签，无益于数据按照规定进行的贴上负数据标签。

10.根据权利要求7所述的一种深度神经网络对抗攻击的检测方法，其特征在于，上述通过第三方数据进行攻击正数据中，所述攻击的方法包括基于优化的对抗样本距离计算方法、基于雅各比矩阵的贪婪匹配算法、快速梯度下降算法、迷惑深度学习方法、DEEPFOOL算法、CW(Carlini‑Wagner Attack)算法、PGD(Project Gradient Descent)算法中的一种或多种。