本文介绍了多种针对对抗攻击的认证防御方法，如BagCert、PatchCURE、MajorCert和PatchCleanser等。这些方法在不同数据集上实现了高准确率和认证鲁棒性，显著提升了模型的防御能力。研究表明，通过优化损失函数和改进模型结构，可以有效增强深度学习模型的安全性。

该文综述了物理信息神经网络（PINN）的多种改进方法：APCON用于多尺度输运，AL-PINN优化残差，LoRA超网络减少参数，分组正则化应对多尺度问题，MAS将问题转化为网络检测奇异点，RPINN采用能量范数构建损失函数，低秩PINN加速参数模拟，随机傅里叶特征解决多尺度问题，辅助任务学习最高提升96.62%。