对抗性净化

Adversarial Purification是一种对抗防御方法，通过利用生成模型来移除输入数据中的对抗性扰动，恢复原始数据的纯净状态。其主要目标是提高模型的鲁棒性和安全性，确保在面对恶意攻击时仍能保持准确的预测性能。该方法在保护深度学习系统免受对抗样本攻击方面具有重要的应用价值。