技术特征：
1.一种人工智能模型的形成方法，包括：将特征数据集加入用于形成模型的正常训练数据集；构造原始模型；将包含特征数据集的训练数据集和所述原始模型组合；对所述组合进行训练和测试，得到人工智能模型，其中，所述特征数据集由特定训练数据组成。2.根据权利要求1所述的形成方法，其中，所述特征数据集与训练数据集中的每一条训练数据均包括数据和标签。3.根据权利要求1所述的形成方法，其中，所述特征数据集与训练数据集的训练数据量的比值≤1％。4.根据权利要求1所述的方法，其中，所述特征数据集与训练数据集的训练数据量的比值≤1/1000。5.一种对人工智能模型进行鉴别的方法，包括：将特征数据集中的训练数据的数据输入到待检测的人工智能模型中；判断模型的输出是否与预定信息一致。6.根据权利要求5所述的方法，其中所述特征数据集中的每一条训练数据均包括数据和标签。7.根据权利要求5所述的方法，还包括：如果输出与预定信息不一致，所述人工智能模型与所述预定信息的提供方无关；否则，所述人工智能模型与所述预定信息的提供方有关。8.一种人工智能模型的形成装置，包括：合并模块，用于将特征数据集加入用于形成模型的正常训练数据集；构造模块，用于构造原始模型；组合模块，用于将包含特征数据集的训练数据集和所述原始模型组合；训练和测试模块，用于对所述组合进行训练和测试，得到人工智能模型。9.一种对人工智能模型鉴别装置，包括：输入模块，用于将特征数据集中的训练数据的数据输入到待检测的人工智能模型中，判断模块，用户判断模型的输出是否与预定信息一致。10.一种电子设备，其特征在于，包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。11.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。