本文提出了一种新的毒化攻击方式——延迟毒化攻击，针对深度学习模型的脆弱性。该方法在训练和验证阶段表现正常，但对规避攻击和自然噪声极为敏感，显著降低了模型的鲁棒性。

研究了量化技术在深度模型中的鲁棒性优化问题，发现量化模型易受自然噪声和系统噪声影响，有助于提升模型稳健性和真实场景部署。