文章总结： 西安电子科技大学闫峥教授团队关于AI赋能可信的研究成果被国际顶会NDSS2026录用。该论文提出基于图神经网络的信任预测模型CAT，具备动态信任建模、场景感知及抗数据投毒攻击能力。CAT利用连续时间表示和双重注意力机制提升鲁棒性，实验显示其在真实数据集上优于基线，为构建可信网络空间提供了新思路。 综合评分： 80 文章分类： AI安全,网络安全,数据安全

西安电子科技大学 | 网络安全与密码学部闫峥教授团队研究成果被国际信息安全顶会NDSS录用

信息网络安全杂志

2026年2月6日 17:00 上海

网络安全与密码学部

闫峥教授团队研究成果

被国际信息安全顶会

NDSS录用

第33届国际信息安全顶会Network and Distributed System Security (NDSS) Symposium将于2026年2月在美国圣地亚哥召开。网络安全与密码学部闫峥教授团队的最新研究成果“CAT: Can Trust be Predicted with Context-Awareness in Dynamic Heterogeneous Networks?”被本届会议全文收录，并将做大会报告。

NDSS与IEEE S&P、ACM CCS、USENIX Security并称为信息安全领域的四大国际顶级学术会议，近十年来平均录用率约为17%，被中国计算机学会（CCF）认定为A类会议。该会议收录的论文代表着相关研究领域的最高水平，在业界具有广泛而深远的影响。

该成果由西安电子科技大学闫峥教授团队与美国普渡大学Elisa Bertino教授合作完成。论文第一作者为闫峥教授指导的博士生王杰，合作者包括其博士生兰佳禾与硕士生李旭妍，闫峥教授为通讯作者。

论文聚焦于“AI赋能可信”，提出了一种基于图神经网络的信任预测模型CAT。该模型是首个同时具备动态信任建模、场景感知、异构网络表征及抗数据投毒攻击能力的信任预测模型。CAT采用连续时间表示处理动态图结构，并通过时间编码函数捕捉细粒度时序信息。为刻画网络异构性并挖掘深层语义信息，论文设计了双重注意力机制，从节点类型与节点本身两个层级区分不同节点交互的重要性。为实现场景感知，CAT引入了一种新型元路径概念，用于提取场景特征，并结合场景表征与场景感知聚合器，实现对场景相关信任度与整体信任度的同步预测。得益于对异构性与场景感知性的联合建模，CAT具备更全面、更鲁棒的语义理解能力，从而增强了模型在面对多种复杂攻击时的防御性能。

为验证CAT的有效性，论文基于三个真实数据集进行了大量实验。结果表明，CAT在信任预测任务上显著优于多类基线方法。此外，该模型不仅具备良好的可扩展性，还能有效抵御多种针对信任预测和图神经网络的攻击。

CAT模型架构示意图

近年来，信任预测技术已在推荐系统、社交网络、金融风控、网络通信等领域广泛应用，显著提升了系统决策的可靠性、自适应性与用户体验。尽管如此，其实用性与鲁棒性仍面临诸多挑战。针对这些挑战，本研究提出了一系列创新方法，推动了信任预测研究的前沿发展，并为构建更加可信可靠的未来网络空间安全提供了新思路。该论文的录用也标志着西安电子科技大学在“AI赋能可信”领域的研究获得了国际同行的高度认可。

来源 | 西电网信院

往期精彩回顾

芯片安全漏洞难检测？看西工大“抽象四次方”如何破解芯片安全难题

信息网络安全

《信息网络安全》创刊于2001年，是由公安部主管，公安部第三研究所、中国计算机学会主办，面向国内外公开发行的国内首批信息安全类期刊之一，于2015年成为中国科技核心期刊，2017年成为中国科学引文数据库来源期刊，2018年成为中文核心期刊，2022年入选CCF计算领域高质量科技期刊分级目录。

中文核心期刊

中国科技核心期刊

中国科学引文数据库来源期刊

CCF计算领域高质量科技期刊

我们在不断努力和完善中，期待您的关注和支持！

免责声明：

本文所载程序、技术方法仅面向合法合规的安全研究与教学场景，旨在提升网络安全防护能力，具有明确的技术研究属性。

任何单位或个人未经授权，将本文内容用于攻击、破坏等非法用途的，由此引发的全部法律责任、民事赔偿及连带责任，均由行为人独立承担，本站不承担任何连带责任。

本站内容均为技术交流与知识分享目的发布，若存在版权侵权或其他异议，请通过邮件联系处理，具体联系方式可点击页面上方的联系我。

本文转载自：信息网络安全杂志 《西安电子科技大学 | 网络安全与密码学部闫峥教授团队研究成果被国际信息安全顶会NDSS录用》