ECHO 论文揭示匿名同行评审中审稿人与投稿的关联风险

该研究提出 ECHO 框架，证明在匿名同行评审过程中，仅利用公开发布的评审材料（如评审意见、论文及反驳信）即可将匿名审稿人与其自己的投稿进行关联，从而显著缩小匿名集合。作者在 R2S-Bench 基准上评估了该方法，结果显示 Top-1 准确率达到 34.6%，Top-5 为 54.0%，Top-10 为 63.4%，远高于随机排名的 0.5%、2.6% 和 5.3%。

这一结果基于两个关键信号：技术专长匹配度与写作风格一致性。随着更多会议要求提交作者参与评审，同一周期内作者与审稿人的重叠度增加，使得这种关联攻击更具可行性。引入更强的第二阶段重排序器后，Top-1 准确率进一步提升至 56.4%，Top-10 达到 66.4%。

事实层面，该研究证实了匿名评审机制存在可被利用的漏洞；推断层面，这表明当前广泛采用的双盲或单盲评审制度可能无法有效保护审稿人身份；猜测层面，若此类攻击被恶意利用，可能导致审稿人遭受报复或影响评审公正性。代码与基准数据已开源，供后续研究复现与验证。