本文介绍了一种反后门学习（ABL）方法，旨在防御深度神经网络中的后门攻击。通过梯度上升机制和神经元剪枝技术，提出了优化神经元剪枝（ONP）方法，有效去除后门神经元，同时保持模型性能。研究表明，该方法在有限数据下表现优异，提升了后门防御效果。