2026年4月26日，CSA工业互联网安全研究团队组会召开，会议由国际联合实验室博士生赵可景主持。本次组会主题是大语言模型驱动的混合流水车间调度优化框架和在弱光场景下针对物体检测的鲁棒性物理世界后门攻击。

       河南科技大学2024级硕士研究生李晓格汇报了《A Large Language Model-Assisted Reinforcement Learning Framework with Evolutionary Algorithm for Hybrid Flow-Shop Scheduling》。该文献针对混合流水车间调度问题，融合大语言模型、进化算法与强化学习构建新型混合优化框架。依托大模型生成高质量初始调度方案，结合进化算法拓展种群，并利用改进强化学习完成策略迭代优化。大量对比实验表明，该方法在不同规模调度算例中均优于传统优化算法，在带能耗约束的复杂工况下也具备优异性能与泛化能力。该研究意义重大，表明车间调度优化可摆脱人工设计规则的局限，通过多智能方法融合实现调度方案的自动优化与自适应求解，为工业绿色调度提供新思路。

       河南科技大学2024级硕士研究生曾维超汇报了论文《BlindDet: Towards Robust Physical-World Backdoor Attack in Low-Light Scenarios Against Object Detection》文献提出了一种在弱光场景下，针对物体检测的鲁棒性物理世界后门攻击框架，该框架由光照特定投毒数据生成（ISPG）模块和位置引导的后门注入（PGBI）模块组成。ISPG 通过在多样化低光照场景下生成光照一致性样本来丰富投毒数据集，使后门在光照变化下保持有效。PGBI 进一步利用触发器位置信息引导模型，以改善触发器感知并促进有效的后门注入。提出的方案以KITTI 数据集和物理世界投毒夜间街景数据集进行实验，结果验证了方法的可行性。

（图文/李晓格 曾维超 审核/赵可景）