本文提出了不对称认证鲁棒性问题，专注于对一个类别提供认证鲁棒性，适应现实中的对抗场景。通过特征凸分类器，快速计算敏感类别的认证半径，克服了传统方法的缺陷。该方法在多个数据集上表现优异，具有确定性和高效性，推动了机器学习在安全关键领域的应用。