摘要
本发明公开了一种基于多模态的深度学习模型评估与优化平台，采用分层架构设计，包括用户交互层、业务处理层和数据处理层。平台通过三阶段工作流程实现模型鲁棒性评估：初始化配置阶段完成评估任务创建、权限验证、模型/数据集加载及攻击参数设置；评估执行阶段动态分配计算资源，生成攻击样本并并行执行原始样本与攻击样本的模型推理；结果分析阶段生成多维评估指标、可视化图表及结构化报告，支持对抗训练、特征蒸馏等鲁棒性增强操作。本发明整合了对抗样本测试、噪声干扰测试等多种攻击方法，实现了从模型验证、资源调度、攻击模拟到多维度分析的自动化评估闭环，显著提升了深度学习模型鲁棒性评估的效率和系统性。
