研究提出了一种名为sparse-PGD的白盒攻击方法，用于在$l_0$范数约束下生成稀疏对抗扰动。结合黑盒攻击评估模型鲁棒性，并用于对抗性训练提升模型抗扰能力。实验显示，sparse-PGD在不同场景中表现出色，训练的模型对稀疏攻击具有最新鲁棒性。