CAESAR 发布用于混合现实搜救任务中认知攻击的系统化评估框架

该论文提出 CAESAR，一个端到端的多用户混合现实（MR）框架，旨在系统评估搜救训练中的认知攻击。现有 MR 安全研究多局限于孤立或单用户设置，缺乏标准化的协作测试床，而 CAESAR 通过模块化架构整合了四类认知攻击，并在同步协作场景中运行。框架包含多模态数据采集管道，能够捕获对抗条件下的行为、表现和主观指标。

作者进行了受控用户研究，深入分析了基于延迟的攻击，结果显示其对任务性能和用户行为产生了可测量的影响，同时刻画了用户在对抗条件下的主观体验。该研究填补了系统性对抗实验在协作 MR 环境中的空白，为理解虚拟内容如何微妙地扭曲感知与决策提供了实证数据。

事实层面，CAESAR 已集成四类攻击并完成了延迟攻击的实测；推断层面，该框架可能成为未来 MR 安全基准测试的标准工具；猜测层面，此类攻击在真实搜救场景中的实际危害程度仍需更多长周期数据验证。