2026 年10月15日 18:00-21:30，第234期方班学术研讨厅在黄埔研究生院B2栋成功举办。广州大学网络空间安全学院名誉院长方滨兴老师，主点评尹春勇老师，任勇军老师，高光勇老师，孔志印老师，郑伟民老师，张艳宁老师，许进老师，史元春老师，俞能海老师，封化民老师，刘建伟老师，副点评卢璨老师，陈艳利老师，吴昊天老师，唐可可老师，潘梓彬老师，欧阳典老师，张登辉老师，张鹏老师全程参与了课堂的教学，并对同学们的报告逐一进行了指导点评。同时参与的还有网络空间安全学院的部分老师，广州大学方班九期的全体学生。

本次研讨厅分为八个小组进行。第一组汇报的同学有李佳思、彭星怡、杨家炜、周承鑫；第二组汇报的同学有何柏亿、林钊鹏、赵雨森、尤锦滨；第三组汇报的同学有常睿杰、陈金、范云飞、罗伟健；第四组汇报的同学有杜思颖、翁烁埕、张印、鲁光；第五组汇报的同学陈铭、黄楚楚、林扬华、阮景奇；第六组汇报的同学有陈可楠、林立芝、吴博韩、吴辰宇；第七组汇报的同学有陈校文、何志廉、翁泓宇、吴秉谕；第八组汇报的同学有罗泽凯、张嵩、朱德康。

第一组

第一位报告人：【李佳思】

报告题目：【基于多智能体大语言模型的意图驱动网络管理：孔子框架】

点评老师的意见与建议：

1、汇报脉络清晰流畅，但需理清该工作与传统多智能体的本质差异，明确多组件协同与多智能体系统的概念边界。

2、实验缺少消融验证，合成数据集样本偏少，模型裁判说服力不足，建议逐模块验证以证明各组件有效性。

3、系统设计原理阐述不足，缺少从需求到组件的设计哲学与桥梁，未充分体现孔子思想与框架设计的内在关联。

4、需关注大模型判定的token与时间开销，并建立从用户意图到规划、执行、验证的完整工作链条与协同逻辑。

第二位报告人：【彭星怡】

报告题目：【APIECHO:一种基于API内部行为比较、无需训练的Web应用异常检测方法】

点评老师的意见与建议：

1、建议汇报补充基于副本的异常检测方法的详细原理，与论文方法做对比，便于听众理解论文方法。

2、采用全局固定阈值，无法自适应随业务、时间动态调整，且操作序列长度波动时，难以平衡查全率与误报率。数据集构建逻辑未公开，难以适配多应用联动场景。

3、整体汇报表现不错，但PPT未重点说明论文"无需训练"特性，建议进一步详细说明。

4、提出未来优化方向可以引入AI方法补充首个API基线生成，同时进一步优化同类API参量离散度过高的问题。

第三位报告人：【杨家炜】

报告题目：【大模型智能体团队能利用零日漏洞】

点评老师的意见与建议：

1、该论文可能对于现在来说可能有点过时，但是可以探讨他的多智能体架构和

对零日漏洞的利用。

2、ppt整体做的不错，但是演讲的时候需要面对观众，并且不能默认所有的同学都知道论文的背景，需要讲清楚什么是零日。

3、ppt中成功案例还应该将漏洞发现和漏洞利用讲清楚，这样来体现出零日漏洞利用。

第四位报告人：【周承鑫】

报告题目：【SIPConfusion：利用SIP语义歧义进行来电显示与短信欺骗】

点评老师的意见与建议：

1、厘清漏洞核心成因，明确该攻击仅修改显示身份，无后续链路劫持，区分攻击实际危害。

2、吃透模糊测试的概念与作用，理解框架检测逻辑，完善漏洞危害传导机制。

3、梳理 SIP 协议演进背景，理解多身份头部并存的由来，夯实协议基础认知。

第二组

第一位报告人：【何柏亿】

报告题目：【基于大语言模型上下文学习的智能合约安全程序分区方法】

点评老师的意见与建议：

1、论文应该进一步讲清敏感代码与非敏感代码的划分过程及实现逻辑

2、建议补充不同方法下的对比实验，从程序执行效率、划分准确性和安全性等方面验证方法的有效性

3、实现方面建议尝试直接利用大模型进行程序划分，并与传统方法及现有方案进行比较

第二位报告人：【林钊鹏】

报告题目：【RadixGraph：面向动态图存储的快速、空间优化数据结构】

点评老师的意见与建议： 1、汇报涉及空间优化与操作效率，但研究问题和各模块设计的对应关系不够突出，方法介绍的主线仍需加强。 2、算法部分的介绍较为分散，整体思路与具体细节交织，建议先概括解决方案，再展开分层配置等细节。 3、论文精读仍需加强，建议结合代码复现，深化对核心方法、设计依据和实现细节的理解。

第三位报告人：【赵雨森】

报告题目：【Maya：利用 GPU 运行时仿真优化深度学习训练工作负载】

点评老师的意见与建议：

1.Maya 对 GPU 数值结果独立性的假设过强，接口拦截存在兼容性问题，通信拓扑建模不够精细，需明确技术局限与适用边界。

2.应深入理解论文内容，重点梳理相关工作的不足，明确研究动机，突出本文方法的创新性与贡献。

3.应围绕研究动机、方法与创新点展开分析，突出 Maya 的核心价值，并进一步探索给定资源下最优训练配置的求解方法。

第四位报告人：【尤锦滨】

报告题目：【SAGA:治理 AI Agent 系统的安全架构】

点评老师的意见与建议：（学院老师和企业老师都写在这里控制在四点及以内）

1、第一页的时候就提了几个问题，但是问题太多了，核心问题就表现不出来。2、因为互联网发展到今天这些东西大家都是一直在用的，那为什么你这个就是创新呢？你要更好的把论文的创新点以及比起竞品或者以前的使用软件实现的哪个更好？

3、在安全领域讲，这个论文还是没有解决多Agent之间的安全问题。他只是把框架搭起来，但是还是没有解决掉越权问题。因为Agen自己就管不了自己，它本身就不可信，但是有创新。

第三组

第一位报告人：【常睿杰】

报告题目：加速边缘 LLM 推理的测试时扩展

点评老师的意见与建议：

1、贪心排序性能随路径数增加而下降，建议设定阈值，动态选择贪心或其他调度方法，以平衡效率与效果。

2、建议拓展数据集与基线，在更广数据集、更受限显存及更多样TTS系统下验证所提方法的创新优势。

3、建议量化不同硬件约束，使模型动态调整策略，以适应不同硬件差异并提升推理能力。

第二位报告人：【陈金】

报告题目：DEFAME: Dynamic Evidence-based FAct-checking with Multimodal Experts

点评老师的意见与建议：

1、章节衔接不足：相关工作后直接跳至系统框架，缺少过渡；应补充研究缺口、动机、目标及创新点预告，使听众明确研究动机。

2、系统架构讲述顺序：不宜先展示完整系统图，建议按“外部工具→方法基础→整体框架→模块拆解”顺序讲解，符合认知逻辑。

3、读文献核心目的：读论文要明确收获，是学到有效方法、发现新问题，还是获得科学思维方法，这是阅读文献的根本目的。

4、参数设置与失败分析：最大检索轮次需权衡计算开销与证据充分性；应重视失败案例分析，挖掘原因作为改进突破口。

第三位报告人：【范云飞】

报告题目：【FINER:多模态大模型在细粒度否定查询下的幻觉】

点评老师的意见与建议：

1、对不同模态的大模型产生幻觉的原因进行分析，能够更好的了解模型幻觉缓解的本质。

2、信息变得更多时，为什么大模型的准确率会下降，其本质原因可以更进一步的深入分析。

3、在文章贡献点内部联系不是特别大的情况下，在背景部分可以进一步深入了解分析，更好的掌握文章内容。

第四位报告人：【罗伟健】

报告题目：基于知识图谱的协同问答多智能体路由

点评老师的意见与建议：

1、进一步明确知识图谱中节点分类、边构建及信息来源，阐明引入知识图谱与GNN的必要性。

2、说明异构GNN相较普通GNN的适用优势，突出多类型节点在消息传递中的信息保留能力。

3、深入梳理消息聚合过程，明确节点初始向量、线性变换、投影及多层聚合的计算逻辑。

4、进一步完善研究背景，聚焦知识图谱与大模型的知识冲突，建立信息可信度判断与切换机制。

第四组

第一位报告人：【杜思颖】

报告题目：【Gem：单机环境下可扩展的单调图处理——突破十亿级规模限制】

点评老师的意见与建议：

1. 强调需夯实图论与算法基础，纠正基础概念偏差。指出不能局限于文章本身，要跳出文章去思考更多。

2. 对文章理解到位，但建议讲述时注意表述方式，将深刻理解转化为条理清晰的输出，注意语速。

3. 强调关键导航要素不可或缺，一旦丢失会导致盲目扫区。指出动态图调度机制需自适应，不能仅依赖固定规则。

第二位报告人：【翁烁埕】

报告题目：【CEMR：一种消除冗余扩展的高效子图匹配算法】

点评老师的意见与建议：

1. 问题:报告里“相关工作/综述”太短，导致创新点缺少参照系，听众看不出你的工作到底新在哪。

2. 综述不必长，但必须有一条“问题演进链-已有方法怎么做一>共同痛点是什么一>你针对痛点做了什么>为什么这是新的。这样创新点才立得住。举且休的例子串来。

3. 对文章理解

4. 语速合适

5. 选题有意思，但算法非常一般

6. 图的同构问题是核心，相关工作

7. 对图的基础需要加强，概念需要弄清楚

第三位报告人：【张印】

报告题目：【用于标签混合AKNN搜索的弹性索引选择】

点评老师的意见与建议：

1、PPT 和讲述逻辑都很好，层层展开、引人入胜，作为第一次报告已经非常不错。

2、选论文选得好。

3、图论知识还不够理解深刻，可以下去看一下老师出的书籍。

第四位报告人：【鲁光】

报告题目：【Eigent：全球首个多智能体生产力团队】

点评老师的意见与建议：

1、该项目是首个开源的多智能体系统，但京东、阿里也开发了多智能体系统，且它们在性能方面更具优势。

2、项目背景分析到位，代码执行原理解析详细，总体思路和模型框架明确，但代码实现细节展示较少，仅展示了核心类的部分代码。

3、代码内容解析不够细致，动手在本地部署的实操内容很重要，无论成败都应该在课堂上展示出来。

第五组

第一位报告人：【陈铭】

报告题目：【基于协作式角色注入大语言模型智能体的立场检测】

点评老师的意见与建议：

1、论文的创新点在于使用了一个多智能体协同系统来进行立场检测，但是论文中为了解决复杂推理挑战时只使用了单论辩论，前后矛盾。可以利用大模型自我评估来提升

2、对论文比较熟悉，但是整体研究过程中比较平铺直叙。可以利用论文提出的问题来引导听众

3、整体逻辑完整，但是论文仍需要进一步吃透，在演讲过程中应该以第一人称的视角带入，讲解论文的优缺点，而不是以论文作者的视角。

第二位报告人：【黄楚楚】

报告题目：【SafeVLA：通过约束学习实现视觉-语言-动作模型的安全对齐】

点评老师的意见与建议：

1. 量化不安全行为中对安全的刻画过于粗粒度。策略优化平均安全成本，很多时候安全问题不适合用这个目标，要考虑为最差情况兜底。

2. 仿真环境是研究具身智能的一个重要手段，而是否真的在现实环境中实现实验结果可能并不是最重要的。

3. 可以适当压缩对安全规则以及约束算法的细节讲述，更多围绕机器人是如何检测出危险情况，怎么学会安全这个核心任务来讲。

4. 对于真正有效的和深度的问题需要和提问者有更多的探讨。

第三位报告人：【林扬华】

报告题目：【模拟人类认知以实现立场检测：整合直觉判断与分析推理】

点评老师的意见与建议：

1、论文把认知理论迁移到大模型框架应用具有新颖性，但是具体设计的必要性没有充分展示。

2、建议思考每个组件本质上是对应解决哪些问题，不必过于注重实现细节，而应该探究设计动机。

3、对于论文想解决的问题，深入本质，理解问题的性质，通过问题建模为方法设计提供更坚实的扩展基础。

第四位报告人：【阮景奇】

报告题目：【基于风格计量表征实现跨社交媒体用户身份关联】

点评老师的意见与建议：

1. 汇报从研究需求、动机到贡献的逻辑脉络清晰，研究选题聚焦跨平台用户身份关联，具备现实研究价值。

2. 研究采用风格计量表征开展身份匹配，技术路线明确，具备进一步挖掘社交媒体用户身份表征本质的空间。

3. 方法部分缺少预处理、缺失值处理、标签设计与训练流程等关键实现，需补充训练细节，深化机理分析。

第六组

第一位报告人：【陈可楠】

报告题目：【基于微调轨迹一致性知识演化的模型溯源认证】

点评老师的意见与建议：

1、理解程度上比较好，但是论文在宏观上很清晰，但是具体细节依据和实现没有具体分析。

2、演化模型的构造明确使用父模型的参数，可以修改一下表述，表述应该更加准确。

3、子模型追溯父模型是用知识一致性，但是这个要求是拿到可信的初始化参数，无法拿到的话，就不适用这个方法，应该考虑不同情况下的探测集。

第二位报告人：【林立芝】

报告题目：【HumorReject：用一点幽默将 LLM 安全与拒绝前缀解耦】

点评老师的意见与建议：

1、汇报结构清晰，但对“拒绝前缀”与模型安全的关系，以及幽默回答为何能应对前缀注入攻击，解释得不够充分，建议突出论文的核心思路和局限。

2、幽默回答可能只是改变表达方式，未必真正解决安全问题，建议进一步分析不同语境、幽默类型及攻击方式对安全性的影响。

3、PPT的有些内容略显重复，第13页示意图的文字较小，建议精简背景、放大图片，并结合实验数据说明结果的实际意义。

第三位报告人：【吴博韩】

报告题目：【ObliInjection：面向多源数据LLM智能体的顺序无关提示注入攻击】

点评老师的意见与建议：

1、论文中顺序无关的真正定义和含义是什么？

2、讲解ppt逻辑的时候不能直接就出来讲解方法

3、攻击成功率比较高，对这个攻击成功率存在疑点。

第四位报告人：【吴辰宇】

报告题目：【MetaBreak：基于特殊标记操纵实现在线大语言模型服务越狱攻击】

点评老师的意见与建议：

1、本次学术报告围绕大语言模型越狱攻击展开，重点讨论了针对大语言模型结构性攻击的有效性。

2、讨论了论文中攻击方法的原理和创新性。

3、讨论了攻击假设在真实场景中的适用性，强调该研究从文本角色攻击转向模型结构攻击的防御新思路。

第七组

第一位报告人：【陈校文】

报告题目：【CoLA：基于模型协作的日志异常检测】

点评老师的意见与建议：

1、纯大模型对海量日志做全量检测成本高、时延大、难以落地，建议继续采用大模型与小模型协同的路线。

2、CoLA中两个辅助损失函数的必要性需进一步论证，说明缺失其中任一项会对负载均衡或专家同质化造成何种影响。

3、攻防对抗与投毒场景下原方案防护不足，需要引入安全场景数据重训练，提升异常检测的抗攻击能力。

4、日志数据可能含有敏感信息，上线需增加合规成本，数据合规问题不容忽略。

5、大小模型协同与回填自适应机制讲解不够充分；异常定义缺少安全语义，研究仅覆盖系统可靠性故障，未涉及入侵、横向移动等安全异常，网络安全视角下的定位偏窄。

6、汇报应面向听众、加强与听众的眼神交流，不要只对着屏幕念稿，同时注意控制语速、增强现场表达。

第二位报告人：【何志康】

报告题目：【隐形踪迹？基于在线追踪的身份对齐机制】

点评老师的意见与建议：

1、研究应补充真实数据，降低模拟数据导致的身份对齐有效性高估。

2、 时间戳匹配须独立校验真实用户，并处理时间偏离与记录缺失。

3、应融合用户属性、关系与行为等多维信息，提升识别与关联效果

第三位报告人：【翁泓宇】

报告题目：【FlowRefiner：面向标签噪声的鲁棒流量分类框架】

点评老师的意见与建议：

1、论文基于 K-means 的多标签噪声检测逻辑清晰，先清洗数据再预训练的思路效果优于同类方法，但多数标签假设在低占比类别下鲁棒性不足。

2、未讨论 TCP 握手包等无类别信息数据包的处理方式，可能导致模型学习到与真实分类无关的偏置模式。

3、仅覆盖被动标签噪声场景，缺失语义模仿、流量整形等主动制造的对抗性恶意流量研究。

4、0.7-0.9 置信度区间样本处理方式不明确，若直接纳入训练集可能成为分类器的潜在污染源。

5、建议复现论文源码加深理解，并尝试替换 K-means 为其他聚类算法验证效果，拓展研究边界。

第四位报告人：【吴秉谕】

报告题目：【Beyond Nodes vs. Edges: A Multi-View Fusion Framework for Provenance-Based Intrusion Detection】

1、以后可以针对于及时性的PIDS（基于溯源图的入侵检测系统）进行研究

2、可能边的数量过多导致维度太大，可以在未来进行优化

3、可以选用transformer来进行语义解析，这样会比Word2Vec更加好。

第八组

第一位报告人：【罗泽凯】

报告题目：【Prompt Injection Attack to Tool Selection in LLM Agents】

点评老师的意见与建议：

1、建议进一步阐明Agent工具选择环节的安全风险，突出工具劫持与传统提示注入攻击的区别及研究价值。

2、应明确工具检索与工具选择两个阶段的作用，分析分阶段攻击优化的必要性及方法创新性。

3、建议结合真实工具生态，分析工具审核、身份认证等机制对攻击可行性的影响，明确研究假设的局限性。

4、应完善攻击效果评估，不仅关注恶意工具的检索与选择，还需验证实际调用、权限突破及敏感数据泄露等安全危害。

第二位报告人：【朱德康】

报告题目：【从常规到反馈：通信高效联邦学习中的神经网络剪枝】

点评老师的意见与建议：

1、该方法增加反馈再聚合步骤，会带来额外同步迭代开销，但文中缺少消融实验，没有直观对比有无该步骤的效果差异，其收益仅体现在精度提升，开销与收益是否划算缺少实验佐证。另外还需要审视论文基线算法的选取，要确认对比算法是否覆盖领域最新成果，以此客观评判该方法在领域内的实际定位

2、该论文理论性较强，原文包含理论证明，但汇报时未展开讲解。其核心创新是客户端‑服务端分层剪枝：服务端按权重大小剪枝，客户端评估权重更新幅度，舍弃变化小的权重以减少传输开销，优化集中在上下行通信。但存在隐患：少量客户端影响可控，若客户端数量规模巨大，各个客户端微小的权重偏差不断累积，会造成全局模型失真，而论文实验仅用到百级以内客户端，缺少大规模场景验证。

3、汇报人熟悉联邦学习通信开销、剪枝相关背景，理解服务端剪枝方案，对聚合‑剪枝‑再聚合核心流程讲解逻辑通顺。

论文针对联邦学习通信成本高的痛点，传统客户端剪枝易损害全局能力、服务端剪枝缺少恢复机制的缺陷，以全局模型作为参考，依靠全局与本地模型相似度判别参数重要性，在降低通信开销的同时尽量保全全局模型性能，这是该工作的核心研究价值。

第三位报告人：【张嵩】

报告题目：【基于信誉共识与自适应激励的可信公平联邦学习】

点评老师的意见与建议：

1、老师指出公式五、六对不确定度的处理与 b＋d＋u＝1 的定义不一致，值得推敲，也提示关注公式推导的自洽性。

2、老师就联盟价值提出讨论：公式未体现成员加入联盟带来的收益，与 Shapley 分配的对应关系值得深入思考。

3、老师谈到奖惩设计时提出：相比"与更新范数成正比"，"对模型的实际贡献"更能体现回报与贡献的匹配。

4、老师提示，信誉的自我强化风险、串谋与女巫攻击问题，以及资源少、数据稀缺客户端的公平性，都是理解该机制时需要关注的边界问题。

整理：翁泓宇 陈奕同 邝文新 陈锡共 于志远 姚策

校对：王乐老师 鲁辉老师

责任编辑：鲁辉老师