介绍了一种新的框架，语言引导对抗净化（LGAP），利用预训练的扩散模型和字幕生成器来防御对抗性攻击。通过生成图像的字幕，方法首先生成一个字幕，然后通过扩散网络来指导对抗性净化过程。方法在对抗性攻击下经过评估，证明了其提高对抗性鲁棒性的有效性。结果表明，LGAP 的性能优于大多数现有的对抗性防御技术，而不需要专门的网络训练，突显了在大规模数据集上训练的模型的广泛适用性，为进一步的研究方向提供了有希望的方向。

本文介绍了一种新的框架，语言引导对抗净化（LGAP），利用预训练的扩散模型和字幕生成器来防御对抗性攻击。通过生成图像的字幕，LGAP能够提高对抗性鲁棒性，性能优于大多数现有的对抗性防御技术。该方法不需要专门的网络训练，适用于大规模数据集。