提出自适应随机平滑（ARS）认证测试时自适应模型的预测结果，扩展使用 f-差分隐私的随机平滑分析认证多步骤的自适应组合，首次覆盖有噪声输入的高维函数的自适应组合。应用于深度图像分类以认证预测结果，提供对有界L∞范数的对抗样本的适应性防御。在CIFAR-10和CelebA基准测试中，ARS提高了准确性2到5个百分点，在ImageNet上相对于标准RS改进了1到3个百分点。