本文提出了一种新的防御方法——重构神经元剪枝（RNP），通过非对称重构学习修剪神经网络中的后门节点。结合图神经网络和强化学习的优化神经元剪枝（ONP）方法，能够有效去除后门神经元，同时保持网络性能。研究表明，微调与剪枝结合可以有效削弱后门攻击，新提出的Shapley剪枝方法在数据不足时也能有效识别和修剪受攻击神经元，确保网络结构和精度。