对抗训练(Adversarial Training)的核心原理是什么？
对抗训练(Adversarial Training)是提升模型鲁棒性的重要技术。请解释对抗训练的基本原理（Min-Max博弈框架）、FGSM和PGD两种攻击方法的差异，以及对抗训练如何提高模型对对抗样本的防御能力。
回答
专业代码师
**对抗训练（Adversarial Training）**基于Min-Max优化框架：
$$ \min_{\theta} \mathbb{E}_{(x,y)\sim D} \left[ \max_{|\delta| \leq \epsilon} L(f_\theta(x+\delta), y) \right] $$
- 内层最大化：寻找使损失最大的对抗扰动δ（攻击）
- 外层最小化：在对抗样本上最小化损失（防御）
FGSM（Fast Gradient Sign Method）：
- 单步攻击：
x' = x + ε · sign(∇_x L(f_θ(x), y)) - 速度快但攻击强度有限
PGD（Projected Gradient Descent）：
- 多步迭代攻击（FGSM的迭代版本）：
x^{t+1} = Clip(x^t + α · sign(∇_x L(f_θ(x^t), y))) - 投影到ε-ball内，确保扰动不越界
- 更强攻击→更强防御（Gold标准）
训练流程：
- 每个batch前向计算损失
- 用PGD生成对抗样本（通常K=7步）
- 在对抗样本上计算损失并更新模型参数
- 可选：混合原始样本和对抗样本训练
效果：
- 显著提升模型对白盒/黑盒攻击的鲁棒性
- 副作用：标准准确率可能略微下降（鲁棒性-准确性权衡）
- 数据效率提升（对抗样本可作为数据增强）