深度神经网络模型（如Transformer）往往会自然地学习到虚假特征，这些特征在输入与标签之间建立起“捷径”，从而损害模型的泛化能力和鲁棒性。本文将自注意力机制推进至其鲁棒性变体，应用于基于Transformer的预训练语言模型（如BERT）。我们提出了对抗性自注意力机制（Adversarial Self-Attention, ASA），该机制通过对抗性地偏置注意力分布，有效抑制模型对特定特征（如关键词）的依赖，同时鼓励模型探索更广泛的语义信息。我们在预训练和微调两个阶段的多种任务上进行了全面评估。在预训练阶段，相较于常规训练，ASA在更长训练步数下展现出显著的性能提升；在微调阶段，ASA增强的模型在泛化能力与鲁棒性方面均大幅超越传统模型。