本书深入探讨深度学习技术在安全领域的应用和挑战。 全书分为两部分。 第一部分全面介绍深度学习的基础知识，包括神经网络（如卷积神经网络和循环神经网络）的数学基础、工作原理以及模型训练等内容。 第二部分深入阐述深度学习安全的关键问题和核心算法，主要涉及对抗样本攻防技术、投毒攻防技术、后门攻防技术和深度伪造与防御技术。 本书不仅介绍攻防技术算法的基本原理, 还提供实用的示例程序，通过具体实践帮助读者掌握深度学习安全领域的相关攻击防御知识，帮助开发人员设计和实现更安全可靠的深度学习模型。 
本书适合希望了解和掌握深度学习安全知识、致力于构建可信人工智能系统的计算机及相关专业的在校学生、 技术工作者。