本研究提出了一种结合SHAP和Optimal Epsilon技术的方法，用于解决机器学习模型中对抗性攻击导致的可靠性问题。研究结果表明该技术在生成对抗样本方面具有精确性，并且在操纵模型结果方面有效。研究强调了持续评估和监控机器学习系统的重要性，以减轻潜在的安全风险。