本文提出了一种名为“双重采样随机平滑框架（DSRS）”的方法，以提高神经网络的鲁棒性。研究表明，DSRS能够有效应对高维数据集中的“维数诅咒”，并在CIFAR-10和ImageNet数据集上显著提升准确性和鲁棒性。通过新的训练噪声分布和正则化方案，改善了对不同扰动的认证鲁棒性。

本文提出了一种双重采样随机平滑框架（DSRS），旨在提高神经网络模型的鲁棒性，克服高维数据集中的“维数诅咒”。实验结果表明，DSRS在多种情况下能够实现更大的鲁棒半径，并通过新的训练噪声分布和正则化方案，增强了对扰动边界的认证鲁棒性。