本研究提出了一种鲁棒性标签方法，以提升大型预训练变换器模型在对抗攻击中的鲁棒性。该方法通过微调少量私有标签，计算要求低于传统对抗训练，显著增强了视觉变换器模型的抗攻击能力，同时保持了下游任务的性能。