近年来，人工智能的安全问题日益严重。本文提出了一种基于机器反学习的黑盒后门攻击方法，并探讨了防御机制。通过构建有毒样本，快速消除后门威胁，实验表明该方法能有效降低攻击成功率，同时保持模型准确性。此外，针对联邦学习中的后门攻击，提出了联邦修剪方法，显著降低攻击成功率。