分而治之：基于扩散的异构噪声集成用于对抗性纯化

本研究解决了现有扩散纯化方法中普遍噪声处理导致正常像素受到影响的问题。我们提出了一种基于神经网络可解释性的异构纯化策略，该策略针对目标模型关注的特定像素施加高强度噪声，而其他像素仅施加低强度噪声。实验证明，我们的方法在处理强适应性攻击时显著降低了时间和内存消耗，并且在多个数据集上优于现有的对抗训练和纯化技术。