人工智能伦理、安全与治理-论文12篇（2025年11月）

主要观点总结

本文主要介绍了关于信息安全和机器学习领域的一些研究内容，包括基于多智能体强化学习的RSMA多无人机安全通信、具有网络攻击的电力信息物理系统非脆弱容错控制、对抗篡改的高保真图像恢复对称自嵌入机制等。此外，还包括利用图在异构时序交易数据中挖掘Ethereum钓鱼者、基于邻域库仑力的联邦学习抗中毒攻击防御、通过互信息审计MLaaS推理服务质量而不使用ground truth等研究内容。

关键观点总结

关键观点1: 基于多智能体强化学习的RSMA多无人机安全通信

利用集中训练和分散执行（CTDE）范式引入多智能体强化学习（MARL）框架，设计多任务注意力深度循环网络（MTA-DRNN）以应对无人机移动性和信道状态随时间变化所引起的动态拓扑变化。

关键观点2: 具有网络攻击的电力信息物理系统非脆弱容错控制

构建由半马尔可夫链和观察模式序列组成的双层随机过程，利用SMK方法推导出足够的条件以确保闭环系统的均方稳定性。

关键观点3: 对抗篡改的高保真图像恢复对称自嵌入机制

提出了一种新的针对高保真图像恢复的对称自嵌入机制（SSEM-HIR），利用层次水印嵌入模块和空间对称性从提取的水印中恢复丢失的信息。

关键观点4: 缓解恶意软件演化对基于API序列的Windows恶意软件检测器的影响

提出了一种框架MME，可以增强现有的基于API序列的恶意软件检测器，并使用API知识图谱和系统资源编码来表示API序列。

关键观点5: 揭示真相：利用因果洞察进行高级多模态假新闻检测

提出了一种基于分离的因果关系感知假新闻检测方法(DICE)，利用可学习的节点和边掩码解耦器来有效地建模并分离多模态特征与真实性标签之间的真正因果关系和虚假相关性。

关键观点6: 隐私保护的用户治理分布式移动应用程序间身份管理方案（高效且简洁证明）

提出了一种用户治理的身份管理方案PPUgIM，该方案具有通用可组合的安全性，并引入了一种基于向量承诺的增强型认证数据结构。

关键观点7: Trans2Graph：利用图在异构时序交易数据中挖掘Ethereum钓鱼者

贡献了一种新的基于图的框架Trans2Graph，用于以太坊数据建模和钓鱼检测，以充分利用大规模异构的时间交易数据。

关键观点8: 基于邻域库仑力的联邦学习抗中毒攻击防御

提出了一种基于库仑力的联邦学习框架CFFL，整合邻域库仑力到FL安全机制中，用于解决由于高维数据之间的“距离集中”导致的中毒攻击检测失败的问题。

关键观点9: 通过互信息审计MLaaS推理服务质量而不使用 ground truth

引入了互信息来审计MLaaS推理服务质量而不使用真实数据集，并通过量化模型内在行为来区分恶意和良性更新。

关键观点10: 防御性对抗验证码：一种语义驱动的自然对抗样本生成框架

提出了无源对抗验证码（DAC）框架，根据攻击者指定的语义信息生成高保真对抗样本，增强验证码的多样性和丰富语义信息。

关键观点11: FESCAT：基于函数秘密共享的时间序列数据高效安全协同分析

提出了一种基于函数秘密共享（FSS）的框架FESCAT用于时间序列数据的协同分析。该框架采用分布式比较功能减少通信成本和交互数量。