1.一種針對激光模式分解深度神經網絡的對抗攻擊和防御方法，其特征在于，所述方法包括：
2.根據(jù)權利要求1所述的針對激光模式分解深度神經網絡的對抗攻擊和防御方法，其特征在于，在構建模式分解訓練數(shù)據(jù)集時，采用仿真方法，包括：
3.根據(jù)權利要求2所述的針對激光模式分解深度神經網絡的對抗攻擊和防御方法，其特征在于，采用構建模式分解訓練數(shù)據(jù)集時的仿真方法，構建模式分解測試數(shù)據(jù)集，利用所述模式分解測試數(shù)據(jù)集對訓練后的模式分解深度神經網絡進行精度測試，確認訓練后的模式分解深度神經網絡具備預測激光模式系數(shù)的能力。
4.根據(jù)權利要求1所述的針對激光模式分解深度神經網絡的對抗攻擊和防御方法，其特征在于，基于對抗攻擊算法構建對抗樣本數(shù)據(jù)集時，采用仿真方法和實驗方法；
5.根據(jù)權利要求4所述的針對激光模式分解深度神經網絡的對抗攻擊和防御方法，其特征在于，利用所述對抗樣本數(shù)據(jù)集對所述模式分解深度神經網絡的對抗魯棒性進行評估時：
6.根據(jù)權利要求5所述的針對激光模式分解深度神經網絡的對抗攻擊和防御方法，其特征在于，在對所述模式分解深度神經網絡的對抗魯棒性進行評估時：
7.根據(jù)權利要求6所述的針對激光模式分解深度神經網絡的對抗攻擊和防御方法，其特征在于，所述采用對抗防御算法提升所述模式分解深度神經網絡的對抗魯棒性時，所述對抗防御算法包括對抗訓練和魯棒關鍵微調；
8.激光模式系數(shù)測量軟傳感器，其特征在于，所述激光模式測量軟傳感器包括激光光斑圖片采集單元以及模式系數(shù)軟測量單元，其中，所述模式系數(shù)軟測量單元設置有，根據(jù)權利要求1-7任一項所述的針對激光模式分解深度神經網絡的對抗攻擊和防御方法得到的所述對抗魯棒性提升的深度神經網絡；
9.激光模式系數(shù)測量軟傳感器，其特征在于，所述模式系數(shù)軟測量單元還包括用于接收控制指令和展示模式分解結果的可視化界面。