西安电子科技大学闫峥教授团队研究成果被国际信息安全顶会NDSS 2027录用

第34届国际信息安全顶会Network and Distributed System Security Symposium（NDSS）将于2027年3月在韩国首尔召开。西安电子科技大学网络安全与密码学部闫峥教授团队的最新研究成果“LLM4Trust：Exploring the Capabilities of Large Language ModelsforTrustEvaluation”被本届会议全文收录，并将作大会报告。

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，被中国计算机学会（CCF）认定为A类会议。据悉，NDSS 2027第一轮（Cycle 1）论文录用率仅为14％。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王杰，合作者包括本科生孙彦博与博士生兰佳禾，闫峥教授为通讯作者。

论文聚焦“AI赋能可信”，针对现有智能化信任评估方法依赖大量标注数据、训练开销较高、信任特性建模不充分及可解释性不足等问题，提出了首个探索大语言模型（Large Language Model，LLM）信任评估能力的评测框架LLM4Trust。该框架从信任特性理解与实际信任评估两个层面展开研究。首先，通过构建多样化信任图，设计涵盖动态性、非对称性、条件传递性、可组合性及场景感知性等5种信任特性的评测任务，并基于此评估8种大语言模型在9种提示词策略下的信任特性理解能力。其次，针对真实信任网络规模庞大、大语言模型上下文窗口受限等问题，提出结合结构与时间原则的关键子图提取策略，设计了首个基于大语言模型的信任评估方法，并在5个真实数据集上评测多种代表性大语言模型的实际信任评估能力。

实验结果表明，大语言模型能够有效理解基本信任特性，并在标注数据有限的情况下展现出良好的信任评估能力，同时能够通过逐步推理增强评估结果的可解释性。然而，大语言模型仍存在鲁棒性不足、推理开销较高等局限。针对上述问题，论文进一步提出融合对抗样本增强、时序边过滤与一致性校正的防御机制，并采用批量推理策略提升评估效率。该研究系统揭示了大语言模型在信任评估领域的应用潜力与关键挑战，为后续研究提供了评测基准与技术参考。

据了解，近年来，信任评估技术已在推荐系统、社交网络、金融风控等领域得到广泛应用，为风险防范与智能决策提供了重要支撑。然而，现有方法依赖标注数据，在模型可解释性及评估效率等方面仍面临诸多挑战。本研究针对这些挑战，探索了大语言模型赋能信任评估的新范式，为构建更加智能、可靠且可解释的信任评估系统提供了新思路。该论文的录用也体现了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。（通讯员：王杰）