用途：该技能通过对抗样本与攻击模拟训练更鲁棒的 AI 模型，属于防御策略方向，对应 OWASP LLM04（数据投毒）、LLM09（错误信息）与 NIST 的 Manage 函数，使用场景为提升模型对攻击的鲁棒性。
主要能力：提供三类训练方法。标准对抗训练（standard）以 PGD 生成对抗样本，在干净与对抗样本上加权训练，鲁棒性提升 30-50%，精度代价 5-15%，复杂度中等。TRADES 防御通过自然损失与 KL 散度鲁棒损失组合、beta 权衡参数调节，鲁棒性提升 40-60%，精度代价 3-8%。认证防御（certified）使用随机化平滑，给出可证明的鲁棒半径，精度代价 10-20%，复杂度高。资料提供 AdversarialTrainer、TRADESTrainer、CertifiedDefense 等类的核心代码示意。
训练覆盖的攻击类型：FGSM（单步，优先级中，快）、PGD（多步，高，中）、C&W（优化，高，慢）、AutoAttack（集成，关键，极慢）、Patch Attack（物理，中，中）、Semantic（扰动，高，中）。
使用方式：资料给出四阶段流程——基线评估（干净精度、初始鲁棒性、弱攻击向量）、对抗数据生成（多样对抗样本、多攻击类型、强度平衡）、训练（混合干净与对抗数据、监控精度权衡、验证集早停）、评估（留出攻击测试、鲁棒性提升、避免过度精度损失）。另有 LLM 专用训练，通过同义词替换、字符级扰动、越狱前缀生成对抗提示，并在训练中混入对抗提示。集成点包括 Agent 05 实现训练、adversarial-examples 技能生成攻击、/defend 应用训练建议、CI/CD 自动化鲁棒性测试。
效果指标：对抗样本精度目标 >70%，干净精度目标为基线 >95%，认证半径目标 >0.5（L2 范数），攻击覆盖目标为所有主要攻击类型。
限制与排错：精度下降过多可降低对抗比例、调整 beta；训练不稳定可用课程学习、从弱攻击开始；对新攻击不鲁棒需加入更多样攻击类型。安装与平台支持等事实暂未提供。