这篇论文介绍了一个名为AdvSecureNet的Python工具包，旨在解决机器学习模型在对抗性攻击下的脆弱性问题。对抗性攻击是指通过微小的输入修改来欺骗模型，这可能损害模型的完整性、机密性或可用性。尽管已有一些库（如ART、AdverTorch和CleverHans）被开发来研究这些漏洞，但它们通常缺乏对全面研究和实验所必需的关键特性，例如原生多GPU支持、集成的命令行界面（CLI）和应用程序编程接口（API）、以及对外部配置文件的支持。为了克服这些限制，论文提出了AdvSecureNet，这是一个全面的、灵活的Python工具包，支持多种对抗性攻击、防御和评估指标，并且针对多GPU设置进行了优化。