本文研究了多种对抗攻击方法，包括基于 $l_1$ 投影的自适应算法 $l_1$-APGD 和新型 l0 范数攻击 sigma-zero，展示了其在不同数据集上的优越性能。通过对抗性训练和优化技术，提升了模型的鲁棒性，并提供了对抗性攻击的理论分析和实验结果，验证了其有效性。