本研究提出了一种新的对抗净化方法CMAP，旨在解决深度神经网络的脆弱性问题。通过优化一致性模型生成样本，显著提升了对抗攻击的鲁棒性。

本文介绍了一种提高认证鲁棒性的方法，通过扩散模型进行对抗净化，并通过局部平滑策略将净化后的实例映射到共同区域。实验证明该方法在不同数据集上实现了最先进的认证鲁棒性。