本发明公开了一种基于鲁棒水印的深度学习模型保护方法，属于人工智能安全领域。采用不同的剪枝方法分别选择重要滤子，然后对不同剪枝方法取得的滤子进行求交集选择具有普遍性和重要性的滤子；然后对选择的滤子进行处理后作为水印嵌入模型中；对嵌入水印之后的模型进行微调使得模型的性能恢复从而获得最后的水印模型。本发明利用剪枝会剔除不重要的参数完成模型权重减小的特性选择重要的参数作为水印嵌入的载体，辅以对要嵌入的水印增加噪声，减少水印在面对攻击时的水印损失率，实现水印对于攻击方法有很强的鲁棒性。