本研究提出了一种基于置信度的去噪微调方法（FT-CADIS），旨在提升现成分类器在对抗攻击下的认证鲁棒性。该方法通过识别去噪过程中的幻觉图像，提高微调的稳定性和鲁棒性，并在多项基准测试中取得领先表现。