随着深度学习的不断发展,深度学习已经在图像、语言、文本各方面得到比较广泛的应用。在如今的社会中,深度学习也利用在许多对安全严苛的环境中,在个人的财产和隐私方面也已经广泛的利用到深度学习。目前的研究发现对抗样例能够比较容易欺骗深度学习网络,能够使深度学习网络出现错误的分类结果,甚至能够产生攻击者想要的分类结果,同时人们对对抗样例的分辨是非常困难的,很多攻击者产生的对抗样例是人眼很难分辨的。对抗样本的脆弱性成为在安全关键的情况下应用深度神经网络的主要风险之一。本文以此为前提背景,设计了面向深度学习模型的安全测试平台,充分解决了人们对深度学习安全问题的知识的不足。本文主要对整个平台做出仔细的分析,对系统的整体架构做出总结,并总结了目前比较流行的深度学习模型攻击算法,在此基础上开发面向深度学习模型的安全测试平台。面向深度学习模型的安全测试平台主要包括用户登陆注册模块、深度学习攻击模块、防御模块、以及评估模块,攻击模块和防御模块使用当今比较流行的算法。其中利用深度学习模型进行图片预测产生预测正确的图片,利用攻击算法产生对抗样例,并提供用户下载。防御模块利用防御算法产生防御增强模型,使模型能够更加具有鲁棒性来防御对抗样例。评估模块设计用来衡量模型防御好坏的标准。面向深度学习模型的安全测试平台系统主要采用B/S架构开发模式,并主要是采用python为主要的开发语言,采用了轻量型框架flask,整个系统采用MVC的开发模式,将系统的页面与处理的逻辑关系进行分离,采用MySQL进行存储用户的信息和返回的评估结果。本文主要完成系统的开发和部署工作,开发完成后对攻击模块、防御模块、评估模块进行了测试。通过得到的数据总结系统的不足并进行了展望。