更安全的网络：多语言多智能体 LLM 用于缓解对抗性虚假信息攻击
计算与语言
2025-10-13 v1 人工智能
密码学与安全
机器学习
摘要
虚假信息的快速传播威胁公共话语、情绪稳定性及决策过程。在先前研究中，针对虚假信息检测的各种对抗攻击已被探索，但本文所考察的特定变换尚未系统性研究。特别是我们研究了跨语言（英语、法语、西班牙语、阿拉伯语、印地语、中文）的语言切换及随后的翻译，以及紧随其后的查询长度膨胀和结构化 reformatting 为多选题。本文提出一种多语言、多智能体大语言模型框架，采用检索增强生成，可部署为网页插件集成到在线平台。我们的工作凸显了 AI 驱动虚假信息检测在保卫线上事实完整性方面对抗多样化攻击的重要性，同时展示了基于插件的部署在实际 Web 应用中的可行性。
引用
@article{arxiv.2510.08605,
title = {Toward a Safer Web: Multilingual Multi-Agent LLMs for Mitigating Adversarial Misinformation Attacks},
author = {Nouar Aldahoul and Yasir Zaki},
journal= {arXiv preprint arXiv:2510.08605},
year = {2025}
}