多智能體同時定位與地圖構建（SLAM）及其協作版本（CSLAM）是機器人領域的關鍵技術，廣泛應用於搜索救援、環境監測和自動駕駛等場景。在CSLAM中，機器人（智能體）需要持續交換全局描述符（GD）以檢測智能體間的閉環（ILC），從而實現地圖融合和定位精度提升。然而，傳統的加密通信雖然能防止外部竊聽，卻無法抵禦內部被入侵的智能體。本文研究證實，一個被攻擊者控制的智能體可以從其他誠實智能體廣播的GD中重構其視覺圖像和運動軌跡的近似，構成嚴重隱私泄露。研究團隊通過具體實驗展示了這一威脅：一個被入侵的智能體可以利用公開的GD，結合簡單的機器學習模型，重建出誠實智能體觀測到的場景圖像以及其行走路徑，從而暴露敏感信息。
針對這一漏洞，美國麻省理工學院（MIT）等機構的研究人員提出了CILC（密碼學安全的智能體間閉環候選檢測）系統。這是首個利用安全多方計算（SMPC）來檢測ILC候選而無需以明文交換GD的方案。SMPC是一種密碼學協議，允許多方在不泄露各自輸入的前提下共同計算一個函數。CILC的關鍵創新在於將SMPC僅應用於ILC候選檢測環節（即GD相似度比較），而非整個CSLAM流水線。由於ILC候選檢測是隱私敏感但計算量較小的步驟，這種選擇性的加密實現了隱私保護與計算開銷之間的有利平衡。具體而言，智能體之間通過SMPC加密比較GD的相似性，只有最終的候選結果會被公開，而單個GD本身始終保持加密狀態。
研究團隊在仿真和真實機器人硬件平台上進行了全面驗證。實驗採用視覺和激光雷達兩種模態的GD，測試了CILC在不同場景下的性能。結果顯示，CILC能夠在保持實時性和通信可行性的同時，有效減輕向被入侵智能體泄露信息的風險。具體而言，CILC的加密比較過程僅引入毫秒級的延遲，通信帶寬開銷也控制在可接受範圍內。例如，在視覺GD實驗中，CILC的額外處理時間約為10-20毫秒，而激光雷達GD實驗中的延遲更小。此外，CILC的通信開銷相比明文交換僅增加約30%，在多機器人系統中仍然可行。該工作為協作SLAM中的隱私保護提供了全新的研究方向，未來有望推廣到更多多機器人協作任務中，如無人機編隊、倉庫物流等。
論文於2026年7月7日提交至arXiv，作者包括Andrew Fishberg等三人，屬於機器人學（cs.RO）領域。相關代碼和數據預計將開源，以促進社區進一步研究。