本研究提出了一种新的可持续自我进化对抗训练框架（SSEAT），旨在解决现有对抗训练模型在动态攻击下的不足。该框架通过持续的对抗防御和数据重放，有效学习多种对抗样本，并解决灾难性遗忘问题。实验结果表明，其防御性能和分类准确率优于其他模型。