任务重要度感知的结果篡改自适应检测方法研究

摘要

【目的】针对分布式协作计算环境中计算结果易被篡改且检测开销高昂的问题，旨在探索如何结合任务重要度设计自适应检测策略，以提高检测效率并降低不必要的资源消耗。【方法】提出了一种任务重要度感知的结果篡改自适应检测方法，利用大语言模型对用户提交的复杂任务进行自动化拆解，对各子任务的重要度进行量化评分，并基于任务重要度动态分配检测资源，优先检测关键子任务并自适应调节检测频率，从而平衡检测覆盖率与资源消耗。【结果】在GSM8K数据集和Worfbench数据集下进行仿真实验，结果表明该方法在未明显降低检测能力的同时，检测开销相比传统固定频率策略显著降低（节省比例约为68%），验证了该方法的有效性与可行性。【结论】实现了对高重要度任务的靶向检测，在提升检测效能的同时，具备较好的适用性与可扩展性，可应用于自动驾驶、多智能体协作、边缘计算等对计算结果正确性要求较高的场景。

关键词

多方协作计算 / 结果篡改检测 / 自适应检测 / 任务重要度 / 大语言模型赋能