1.一种对抗样本的生成方法，用于将扰动加入到振动信号中，其特征在于：包括以下步骤：步骤1、对原始振动信号样本进行预处理，得到预处理后的样本xt；该样本xt的采样序列依次为：xt(1)、xt(2)、...xt(n)...xt(N)；n∈{1、2...N}；N为样本xt的采样序列总个数；

步骤2、将该样本xt输入到目标网络f中，计算损失函数 t的初始值为0；

步骤3、计算更新后的样本xt+1：根据下述公式对采样序列点xt(n)进行更新，得到更新后的采样序列点xt+1(n)；

其中，α为预设阈值，0＜α＜1； 为对损失函数 求取采样序列点xt(n)的梯度； 为计算 的符号函数；

依次使n＝1、2...N，得到更新后的采样序列点xt+1(1)、xt+1(2)、…xt+1(N)，即得到更新后的样本xt+1；

步骤4、对更新后的样本xt+1进行度量，得到该样本xt+1的度量结果；

具体为：采用滑动窗口将样本xt+1的采样序列点分成等长度的多个片段，通过下述计算公式计算每个片段的度量结果，并求取所有片段的度量结果的平均值作为该样本xt+1的度量结果；

某一个片段的度量结果Cost(s)计算公式为：其中，mean( )为计算平均值的函数；S为每个片段的长度；s是某一个片段的起始位置；

2 2

|x0(k)|为计算x0(k)的绝对值平方；|xt+1(k)‑x0(k)|为计算xt+1(k)‑x0(k)的绝对值平方；

步骤5、判断步骤4中度量结果是否大于预设的度量阈值，如是，则将xt+1作为xt的对抗样本，结束；如否，则将t值加1后更新t值，并转至步骤2。

2.根据权利要求1所述的对抗样本的生成方法，其特征在于：所述步骤1中对原始振动信号样本进行预处理，具体为：将原始振动信号样本中的每个采样序列数据均归一化到[0，1]；归一化计算公式为：其中，x为采样序列数据，k(x)为采样序列x归一化后的数值。

3.根据权利要求1所述的对抗样本的生成方法，其特征在于：所述步骤2中目标网络f为神经网络。

4.一种对抗样本的防御方法，用于对使用上述权利要求1～3任一项所述的对抗样本的生成方法生成的对抗样本进行防御，其特征在于：包括以下步骤：步骤a、对采集的振动信号样本进行预处理；

步骤b、在上述对抗样本生成时使用的目标网络f中的不同神经网络层之间添加数据处理层，以构建成防御网络；

该数据处理层的计算公式为：

其中，yi为数据处理层的输出，xi为数据处理层的输入，γ和δ均为需要学习的参数；

m为每一批次输入到数据处理层的数据总个数；∈

为预设常数；

步骤c、使用步骤a中多个预处理后的振动信号样本对构建的防御网络进行训练，得到训练完成后的防御网络。

5.根据权利要求4所述的对抗样本的防御方法，其特征在于：所述步骤a中的预处理具体为将采集的振动信号样本归一化至[0，1]。