摘要： 人工智能技术的普及在便捷生活的同时也带来了相应的安全隐患.为了更好地揭示深度学习模型在现实应用中的安全问题，促进对抗防御技术的进步，物理对抗攻击应运而生.然而，由于现实背景复杂多样且无法被预测操纵，物理对抗样本面临易受背景干扰的挑战.针对背景语义信息干扰对抗样本对抗性的问题，提出了一种基于知识图谱的对抗样本背景语义鲁棒性增强方法EBRKG，利用知识图谱对图像的背景语义信息进行深入挖掘和有效利用，为对抗样本鲁棒性训练系统选择和生成代表性背景提供明确指导.实验结果表明，EBRKG有效提高了在复杂背景情况下的对抗样本攻击成功率，比现有方法ERG表现更好.

关键词: 知识图谱, 对抗样本, 背景语义, 鲁棒性, 增强方法