本发明提出了一种目标检测攻击方法和装置。通过将对抗样本由传统的优化机制转化为生成机制，大大缩短了生成对抗样本所需要的时间，同时训练好了GAN网络以后不再需要访问模型内部，能有效进行黑盒攻击。提出的方法能有效利用目标模型输出的分类和位置回归损失有效指导网络的训练，同时引入特征层损失能够有效捕捉图片在高维空间对网络较为敏感的特征，并对其进行扰动能进一步提高攻击成功率。另外加入的高斯滤波模块，可以去除对抗样本的高维扰动，留下低维扰动，并且提高生成对抗样本的图片质量，并进一步增强其攻击成功率。