它将恢复加密的输入。

该算法从虚拟数据和虚拟标签开始，然后迭代优化虚拟梯度以接近原始梯度。这使得虚拟数据接近真实的训练数据：

$$\mathbf{x}^{\prime *}, \mathbf{y}^{\prime *}=\underset{\mathbf{x}^{\prime}, \mathbf{y}^{\prime}}{\arg \min }\left\|\nabla W^{\prime}-\nabla W\right\|^{2}=\underset{\mathbf{x}^{\prime}, \mathbf{y}^{\prime}}{\arg \min }\left\|\frac{\partial \ell\left(F\left(\mathbf{x}^{\prime}, W\right), \mathbf{y}^{\prime}\right)}{\partial W}-\nabla W\right\|^{2}$$

随着距离最小化，算法恢复原始训练数据；在加密训练数据的情况下 - 你应该得到一个加密的输入（当结果“输入”不接近原始输入时失败）。