本发明涉及一种应对神经网络对抗性攻击的图像处理方法及系统，该方法包括获取训练样本图像和经过对抗攻击的样本图像；利用训练样本图像训练对抗攻击防御神经网络模型，并采用交叉熵损失函数使模型分类器学习从神经网络隐藏层特征空间到神经网络输出层类别空间的映射；利用训练后的对抗攻击防御神经网络模型对经过对抗攻击的样本图像进行分类识别。本发明能够实现将神经网络学习到的特征表示分离在深度模型的多个深度级别上，最大化类间差距，能有效对抗攻击，在自动驾驶、生物特征识别和监控系统等图像处理领域中有广泛用途。