该研究提出了一种名为FMR-GC的创新插拔模块，用于提高深度神经网络对对抗性扰动的鲁棒性。该模块通过谐调特征图以重构图，并采用图卷积捕获邻域信息，有效校准污染特征。结合先进的对抗训练方法，该模块能显著提高鲁棒性而不影响准确性。