本文介绍了一种新方法，将训练好的二进制神经网络转化为CNF公式，以实现推理和反演。研究表明，深度卷积网络能够通过可逆性学习信息，而无需逐步丢弃输入。提出的生成模型反演攻击显著提高了逆转深度神经网络的准确率，且差分隐私防御效果有限。此外，研究探讨了可逆解释网络和逆向识别方法，以提高神经网络的可解释性和透明度。