CP-uniGuard：面向多智能体具身感知系统中恶意代理检测与防御的统一、无概率依赖且自适应框架
计算机视觉与模式识别
2026-02-16 v3 密码学与安全
摘要
协同感知（Collaborative Perception，CP）已被证明是多智能体自动驾驶和多智能体机器人系统的有前景技术，多个智能体共享其感知信息以提升整体感知性能并扩展感知范围。然而，在CP中，ego智能体需要接收来自其协作者的消息，这使其易受恶意智能体的攻击。为解决此关键问题，我们提出一种统一、无概率依赖且自适应的框架，称为CP-uniGuard，该框架是针对CP设计的防御机制，由每个智能体部署，以准确检测并消除其合作网络中的恶意智能体。我们的核心思想是使CP达成共识，而非对ego智能体的感知结果产生冲突。基于此思想，我们首先开发一种无概率依赖样本共识方法（probability-agnostic sample consensus，PASAC），有效抽取协作者子集并在无恶意智能体先验概率的情况下验证共识。此外，我们为目标检测任务和鸟瞰图（bird's eye view，BEV）分割任务定义协同一致性损失（collaborative consistency loss，CCLoss），以捕捉ego智能体与其协作者之间的差异，将其用作共识验证的准则。此外，我们提出一种基于双滑动窗口的在线自适应阈值，以动态调整共识验证的阈值，确保系统在动态环境中的可靠性。最后，我们进行大量实验并证明了该框架的有效性。代码已公开于https://github.com/CP-Security/CP-uniGuard。
引用
@article{arxiv.2506.22890,
title = {CP-uniGuard: A Unified, Probability-Agnostic, and Adaptive Framework for Malicious Agent Detection and Defense in Multi-Agent Embodied Perception Systems},
author = {Senkang Hu and Yihang Tao and Guowen Xu and Xinyuan Qian and Yiqin Deng and Xianhao Chen and Sam Tak Wu Kwong and Yuguang Fang},
journal= {arXiv preprint arXiv:2506.22890},
year = {2026}
}
备注
Accepted by IEEE Transactions on Mobile Computing (TMC)