Las redes neuronales convolucionales profundas (DCNNs) han logrado un rendimiento impresionante en el reconocimiento de imágenes, la detección de objetos, etc. Sin embargo, son susceptibles a ataques adversarios y ruido interferencial. Los ataques adversarios pueden engañar a los modelos de DCNN manipulando los datos de entrada con pequeñas perturbaciones, lo que causa riesgos de seguridad para las aplicaciones de sistemas inteligentes. Comparativamente, estas pequeñas perturbaciones tienen un impacto perceptual muy limitado en los humanos. Por lo tanto, la investigación sobre modelos robustos adversarios inspirados en el cerebro ha ganado cada vez más atención.