本文提出了一种特征关注的对抗性训练方法（F^2AT），通过位平面切片分解对抗样本，增强模型对自然模式特征的关注，减少扰动模式的虚假特征。实验结果表明，F^2AT 在准确性和鲁棒性方面优于现有方法。
完成下面两步后，将自动完成登录并继续当前操作。
