1.一种基于人类视觉模型的鲁棒自适应对抗样本生成方法，其特征在于，包括以下步骤：（1）利用人类视觉模型寻找最合适的对抗扰动，为每幅图像选择最佳的扰动嵌入区域；

（2）利用梯度攻击的方式，对于图像中梯度值较大的像素进行扰动，提高损失增长的速度；

（3）通过基于纹理掩蔽理论设计噪声可见函数，针对每幅图像的颜色和内容计算出一个动态的自适应系数矩阵；

（3.1）获取图像每个区域中心位置的像素的方差；

（3.2）结合每个像素的方差，根据所设计的噪声可见函数，计算出每个像素点位置的NVF值；

（3.3）根据需求选定扰动值上限和下限，以获取自适应系数矩阵；

（4）通过滤波式计算来提高计算图像局部方差的速度；

（5）通过自定义扰动的上限和下限来有效的控制对抗扰动的强度和不可见性进行平衡；

（5.1）根据系数矩阵和梯度信息，采用梯度攻击计算出对抗扰动；

（5.2）将该对抗扰动叠加到原始输入的图像上，获取最终的对抗样本。

2.根据权利要求1所述的方法，其特征在于，所述步骤（1）具体为：（1.1）引入HVS来寻找最合适的对抗扰动；

（1.2）为每幅图像选择最佳的扰动嵌入区域。

3.根据权利要求1所述的方法，其特征在于，所述步骤（2）具体为：（2.1）将待生成对抗样本的图像输入目标网络进行分类；

（2.2）根据分类结果和给定的损失函数进行反向传播，获取并保存图像的梯度信息；

（2.3）利用梯度攻击的方式，对于图像中梯度值较大的像素进行扰动。

4.根据权利要求1所述的方法，其特征在于，所述步骤（4）具体为：（4.1）设计的均值滤波器对图像进行过滤；

（4.2）设计的均值滤波器对图像的平方进行过滤；

（4.3）将（4.1）和（4.2）的滤波结果做差获取方差。