القدرة على التعامل مع التلف خارج التوزيع (OOD) والهجمات المعادية ضرورية في التطبيقات الحقيقية التي تتطلب السلامة. في هذه الدراسة، نطور آلية عامة لزيادة متانة الشبكات العصبية استنادًا إلى تحليل التركيز.أظهرت الدراسات الحديثة ظاهرة \textit{التركز الزائد} (Overfocusing)، والتي تؤدي إلى انخفاض الأداء. عندما تكون الشبكة متأثرة بشكل أساسي بمناطق صغيرة من المدخلات، تصبح أقل متانة وعرضة للتصنيف الخاطئ تحت الضوضاء والتلف.ومع ذلك، فإن تقدير التركز الزائد لا يزال غامضًا ويفتقر إلى تعريفات واضحة. هنا، نقدم تعريفًا رياضيًا لـ \textbf{التركيز} (focus)، \textbf{التركز الزائد} (overfocusing) و\textbf{قلة التركيز} (underfocusing). هذه المفاهيم عامة، ولكن في هذه الدراسة، نقوم بفحص حالة السحابات النقطية ثلاثية الأبعاد بشكل خاص.نلاحظ أن المجموعات المتلفة تنتج توزيع تركيز متحيزًا مقارنة بالمجموعة التدريبية النظيفة.نوضح أن كلما ابتعد توزيع التركيز عن الذي تم تعلمه في مرحلة التدريب - كلما تدهور أداء التصنيف.لذا، نقترح خوارزمية \textbf{إعادة التركيز} (refocusing) بدون معلمات تهدف إلى توحييد جميع أنواع التلف تحت نفس التوزيع.نتحقق من صحة نتائجنا في مهمة تصنيف الصفر الثلاثي الأبعاد (3D zero-shot classification)، حيث حققنا أفضل النتائج الحالية (SOTA) في تصنيف 3D المتين على مجموعة بيانات ModelNet-C وفي الدفاع ضد الهجمات المعادية الثابتة الشكل (Shape-Invariant attack). الرمز البرمجي متاح في: https://github.com/yossilevii100/refocusing.