LLM驱动无人机蜂群在感知推理接口处的深度防御实测显示成本激增

该论文针对LLM驱动的无人机蜂群（UAV Swarms）在数据收集调度中面临的传感器报告被操纵风险，实现并评估了五层深度防御机制。研究通过模拟强对抗攻击，验证了从报告溯源、物理值校验到几何一致性检查等多层防护的有效性，并在检测失败时将控制权移交至确定性调度器。

核心发现揭示了安全与效率的显著权衡：当系统拒绝可疑报告并用最近有效报告替代时，相比无防御系统，两种检测器的累计成本分别增加了79%和74%。尽管安全检查本身未直接检测到任何攻击，但它仍能将攻击引发的额外成本降低37.5%。作者还通过闭式推导确定了各输入侧防御层的边界，并在三十次匹配仿真中证实预测值与测量值一致。

事实层面，该研究证明了分离攻击检测与响应是有效的原则，但付出了高昂的单位经济代价。推断表明，在资源受限或高成本敏感的场景下部署此类Agentic系统时，必须重新评估“零信任”架构带来的运营支出影响。猜测部分认为，若无法优化防御逻辑，这种成本结构可能限制LLM Agent在大规模物理执行任务中的商业化落地速度。