本文介绍了一种新颖的净化方法GDMP，旨在保护深度神经网络免受对抗攻击。实验结果表明，GDMP显著提高了分类准确性和鲁棒性。此外，DiffPure和DEAT方法在对抗训练中表现优越，有效解决了泛化问题。通过扩散模型生成的训练数据，能够有效降低无标签污染攻击的成功率，保持模型效用。