本文探讨了利用随机化技术提高深度神经网络对抗攻击的鲁棒性，提出了随机离散化、高斯噪声注入和随机分类器等防御策略。实验结果表明，这些方法能有效增强网络的抗干扰能力，并在多个数据集上表现优异。相关代码已公开。

PV4FAD是一种新型解决方案，结合了全同态加密、安全多方计算、差分隐私和随机化技术，以平衡隐私和准确性，并防止模型部署时的推理攻击。

该文介绍了一种新的针对预测模型的 Conformal prediction 泛化方法，通过引入加权分位数来抵御数据分布漂移的影响，并设计了一种新的随机化技术，具有较高的鲁棒性。