Structured Confidence Perturbation via Fisher Geometry for Adversarial Training

为了解决此问题，我们提出两种互补的方法，直接攻击并防御信心结构变形。首先，基于传统损失最大化视角，我们引入一种混合目标，整合交叉熵和KL散度，鼓励对抗样本同时破坏预测准确性和分布一致性。其次，通过生成使信心曲面上的分布距离最大化扰动，几何重构对抗训练。