Actualmente, se crean cientos de miles de nuevos archivos maliciosos diariamente. Las soluciones antivirus basadas en patrones existentes enfrentan dificultades para detectar dichos archivos. Además, actualmente se están utilizando archivos maliciosos de PowerShell para ataques sin archivos. Para prevenir estos problemas, se han sugerido métodos de detección basados en inteligencia artificial. Sin embargo, recientemente se han propuesto métodos que utilizan una red generativa adversarial (GAN) para evitar la detección basada en IA. Los ataques que utilizan dichos métodos se denominan ataques adversariales. En este estudio, proponemos un método de filtrado basado en atención para prevenir ataques adversariales. Mediante el método de filtrado basado en atención, podemos obtener datos de PowerShell restaurados a partir de datos falsos de PowerShell generados por GAN. Primero, mostramos que la tasa de detección de los datos falsos de PowerShell generados por GAN en un detector de malware existente es del 0%. Posteriormente, mostramos que la tasa de detección de los datos de PowerShell restaurados generados por filtrado basado en atención es del 96.5%.