← Wiki

Open Questions — 开放问题

hubdraftevidence: C

Open Questions — 开放问题

基于15篇论文中识别的新兴研究方向、论文未覆盖领域和未来工作建议（C类迁移推断和综合归纳）。

1. 隐私计算实用化

  • FHE+TEE混合计算的实际部署标准：TCKKS提出FHE+TEE混合架构，但TEE侧信道防御、enclave内存限制、跨厂商兼容性等问题尚未解决——何时能形成工业标准？
  • 联邦LLM微调的生产级方案：PriFFT展示了安全LLM微调的可行性，但扩展到>70B模型和100+参与方时的效率如何？安全微调与提示工程/RLHF的结合方案？

2. UAV可信自主系统

  • 统一攻防框架：当前故障检测（AeroGuard）、物理攻击感知（Physical Attacks UAV）和安全通信（RSMA）是分离的——能否构建UAV可信自主系统的统一安全框架？
  • AI对抗UAV安全的边界：AI驱动的自适应物理攻击正在出现——防御侧能否利用同样的AI能力进行"自适应防御"？

3. 图神经网络安全的成熟度

  • GNN后门防御的标准基准：Adaptive Backdoor GNN揭示了GNN后门的隐蔽性——防御界需要什么水平的后门检测标准？
  • 图学习+安全的交叉验证：Flash和GNNDroid用GNN做检测，而Adaptive Backdoor用GNN做攻击——两者在更真实场景下的对抗结果？

4. 跨域整合

  • 工业元宇宙的安全基础设施：Blockchain MIMO MEC的区块链+边缘计算+UAV组合是否能支撑工业元宇宙的可信计算底座？
  • 6G空天地一体化安全：RSMA+MIMO+多UAV的技术路线能否从5G-Advanced演进到6G的安全通信架构？
  • Trusted-Secure-Robust三位一体：目前TEE可信、密码学安全、MARL鲁棒是分离的——如何设计统一的Trusted-Secure-Robust系统架构？

5. 数据层面

  • 垂直与水平混合分区：当前隐私方案假定明确的垂直或水平分区——现实中常出现混合分区（部分样本共享、部分特征共享）——如何处理？
  • 时序图数据的隐私保护：Flash处理静态Bash代码图，Plog处理静态关系图——时序演化的动态图如何做隐私保护GNN？