唐彻从公文包中取出两个加密U盘，分别推向马克和莎拉·陈，

“这是包含全部源代码和测试脚本的离线副本，使用AES-256-GCM加密，密码将通过安全信道单独发送。测试环境的访问凭证也在其中，环境已配置了模拟的跨国安全威胁数据集，各位可以亲自验证平台在真实场景下的表现。”

会议室里安静了几秒。

美方官员交换了一下眼神。

他们显然没有预料到镐科会如此开放——

直接将核心代码和测试环境交给他们。

莎拉·陈博士打破了沉默，她的问题转向实际操作：

“模型投毒攻击的防御机制，你们在演讲中提到了多维筛选。但针对更隐蔽的后门攻击——比如在训练数据中植入特定触发器，使得模型在遇到特定输入时产生预设的错误输出——你们有什么检测和缓解方案？”

这是个前沿且极其棘手的问题。

近年来，针对机器学习模型的后门攻击已成为学术界和工业界的研究热点，但有效的防御手段仍然有限。

沈烈接过了问题：

“陈博士提到的后门攻击，确实是联邦学习在安全领域应用时必须面对的重大挑战。我们的解决方案是多层次的。”

他在自己的平板电脑上画出示意图，同步投影到屏幕上：