对抗训练是一种通过在训练过程中向模型输入注入扰动样本，迫使其学习更稳健特征的防御技术，是当前抵御对抗攻击和提示注入的主要手段之一。从早期的图像分类扩展到文本、网络流量乃至智能体安全，对抗训练正从单一模型加固走向多场景、多范式融合。
对抗训练的近期进展
当前焦点与观察点
目前对抗训练的研究呈现三条主线。其一是可验证鲁棒性：Certified Training for Convolutional Perturbations 和 Improving Certified Robustness via Adversarial Distillation 都在追求能给出数学保证的防御，其中后者尝试用对抗蒸馏降低认证训练的开销。其二是应用场景下沉：从 棉花叶片病害分类框架 CottonLeafVision 这类农业视觉系统，到 面向白盒攻击的多模型混合网络流量防御，对抗训练正成为垂直领域部署的标配考量。其三是安全边界扩展：LCGuard：多智能体系统中 KV 缓存共享的潜在通信防护 显示，随着多智能体架构普及，对抗威胁已从输入层面深入到模型内部通信。
争议点主要集中在成本与收益的权衡：对抗训练通常带来可观的计算开销，且对未知攻击类型的泛化能力仍存疑，投毒攻击对其防御效果的削弱也值得持续关注。未来一段时间，如何让对抗训练与认证方法、智能体安全框架结合，将是观察其走向的关键。