本文提出了一种新型对抗攻击方法，优化神经模型输出概率分布序列。研究表明，该方法在股票市场交易和电力消耗预测中有效，能够生成小输入扰动的攻击。通过分析不同对抗攻击类型，设计出增强鲁棒性的预测性维修系统，并提出新的防御机制。研究还探讨了深度学习模型在对抗攻击下的脆弱性，强调了准确性与鲁棒性之间的平衡。