ReXNet：融合不确定性量化与可解释性的空天安全可信框架

来源：电子与信息学报杂志2026年第4期北京时间：

作者：刘壮, 陈雨然, 张嘉桐, 蒋雨静, 汪旭晖

单位：1.东北财经大学金融科技学院 大连 1160252.东北财经大学管理科学与工程学院 大连 1160253.东北财经大学工商管理学院 大连 116025

摘要：随着空天地一体化网络日益发展，成为国家战略前沿，其深度融合的卫星遥感、导航定位和通信应用，均对人工智能的可靠性与透明度提出了严苛要求。特别地，空天信息系统面临着物理层、网络层到应用层的复合式安全挑战，在这些高风险敏感性场景中，发展具备高稳健性与可信度的智能检测技术已成为当务之急。为应对这一挑战，该文提出一个新颖的可信人工智能框架ReXNet。该框架深度整合了不确定性量化与可解释人工智能技术，并允许灵活替换骨干模型，以适配多样化的空天安全任务。通过在入侵检测、故障诊断及广播式自动相关监测(ADS-B)注入攻击等空天地3层典型安全场景数据集上的实验验证，ReXNet框架在保持高精度异常检测性能的同时，能有效量化预测置信度、识别模型知识边界外的未知样本，并为决策提供逻辑一致且可追溯的归因解释。该框架的模块化与灵活性创新，为解决人工智能在安全关键系统中的应用瓶颈提供了有效的技术路径。通过系统性地提升模型的可靠性与透明度，该研究旨在推动智能检测技术在空天安全领域的应用范式从追求单一的“高精度”向兼顾“高可信”转变，显著增强了其场景适用性与整体可信度。

关键词：空天地一体化网络, 空天安全, 可信人工智能, 不确定性量化, 可解释性

基金资助：国家自然科学基金专项项目(72442025)