本研究提出了一种无分类器的生成模型引导方法，旨在提高扩散模型的样本质量和隐私保护。通过引入新损失函数和扰动噪声，优化训练过程，减少推理时间，有效防止模型泄露敏感数据。同时，研究展示了在嘈杂数据中提取未污染样本的能力，提升了模型的实用性和安全性。