El diagnóstico médico asistido por aprendizaje profundo ha traído innovaciones revolucionarias a la medicina. El cáncer de mama es una gran amenaza para la salud de las mujeres, y el diagnóstico asistido por aprendizaje profundo de imágenes de patología del cáncer de mama puede ahorrar mano de obra y mejorar la precisión diagnóstica. Sin embargo, los investigadores han descubierto que los sistemas de aprendizaje profundo basados en imágenes naturales son vulnerables a ataques que pueden provocar errores en el reconocimiento y clasificación, lo que plantea preocupaciones de seguridad sobre los sistemas profundos basados en imágenes médicas. Utilizamos el algoritmo de ataque adversario FGSM para revelar que los sistemas de aprendizaje profundo para el cáncer de mama son vulnerables a ataques y, por lo tanto, clasifican erróneamente las imágenes de patología del cáncer de mama. Para abordar este problema, construimos un sistema de aprendizaje profundo para el reconocimiento de imágenes de patología del cáncer de mama con un mejor rendimiento defensivo. El diagnóstico preciso de imágenes médicas está relacionado con el estado de salud de los pacientes. Por lo tanto, es muy importante y significativo mejorar la seguridad y confiabilidad de los sistemas de aprendizaje profundo médico antes de que se implementen realmente.