تستعرض هذه الدراسة قوة التنشيطات القائمة على المنافسة العشوائية، وتحديدًا نموذج "الرابح الوحيد المحلي العشوائي" (LWTA)، في مواجهة هجمات معاكسة قوية مبنية على التدرج (white-box) وهجمات معاكسة مخفية (black-box)؛ ونركّز بشكل خاص على بيئات التدريب المعاكسة. في عملنا، نستبدل التفعيلات التقليدية القائمة على ReLU بكتل تتكون من وحدات خطية تنافس عشوائيًا ومحليًا. أصبح الآن إخراج كل طبقة في الشبكة يُنتج مخرجًا نادرًا، يعتمد على نتيجة اختيار الرابح داخل كل كتلة. نعتمد على الإطار التبايني بايزي (Variational Bayesian) للتدريب والاستنتاج؛ وندمج حجج التدريب المعاكسة التقليدية القائمة على PGD لتعزيز المقاومة المعاكسة الشاملة. وكما نُظهر تجريبيًا، فإن الشبكات الناتجة تُحقّق أداءً متفوّقًا على مستوى الحالة الراهنة في المقاومة أمام هجمات معاكسة قوية، مع الحفاظ على معدل تصنيف عالٍ جدًا في الحالات الطبيعية.