本发明提出了一种基于GAN模型的多数据特征域扰动攻击方法，其特征在于：所述GAN模型是包括生成器和判别器这两个神经网络，通过生成器与判别器之间的相互博弈，达到相互平衡的状态的模型。所述多数据特征域是指同一物体的数据存在形式并不是单一的，如雷达数据就包括复数、实数及RGB等三种格式，同样音频也存在有时频、空间频域等格式。该基于GAN模型的多数据特征域扰动攻击方法，提出相对均值交叉熵损失函数，在考虑单一样本的区分情况下，也考虑同一类别的区分情况。同时通过跨域算法实现不同数据特征空间都成功发起扰动攻击，并且能灵活在不同的数值空间上迁移扰动，从而实现对样本的有目标跨域攻击以及无目标跨域攻击。