本申请实施例提供了一种神经网络训练、图像识别方法及装置，方法包括：将训练样本和对抗样本输入至神经网络，得到神经网络的输出数据；基于输出数据分别计算初始样本的反传梯度和对抗样本的反传梯度；去除对抗样本的反传梯度中与初始样本的反传梯度方向相反的部分，得到目标反传梯度；该去除处理可以削弱对抗样本对初始样本的负向作用，或者说减少对抗样本对初始样本的性能损害，这样就减少了对抗样本对训练过程产生的不良影响；然后，通过将初始样本的反传梯度和目标反传梯度进行反向传播，更新神经网络的参数；迭代更新完成后得到的识别模型输出准确率较高，能够防御对抗样本的攻击。