研究表明，类别间距离减小时，鲁棒公平性会恶化。为此，提出了“距离感知的公平对抗训练（DAFA）”方法，通过调整损失权重和对抗边界来改善鲁棒公平性。实验结果表明，该方法在鲁棒准确性方面优于现有方法。

研究发现，使用未标记的数据进行训练可以作为对抗攻击模型的替代方法。无监督对抗训练方法在CIFAR-10数据集上提高了21.7%的鲁棒准确性，并捕捉到超过95%的改进量。使用额外的未标记数据在CIFAR-10上击败了当前已知最强的攻击。