斯特拉欣贾（Strahinja，昵称Strajo）扬尤谢维奇来自巴尔干小国黑山，他的人生经历充满了意想不到的转折，对此他心怀感激。高中毕业后，他被选中代表国家赴美，在马里兰州安纳波利斯的美国海军学院学习网络作战与计算机科学。随后，他继续深造网络安全，目前是麻省理工学院（MIT）数据、系统与社会研究所（IDSS）下属的技术与政策项目（TPP）二年级硕士研究生。他与MIT信息与决策系统实验室（LIDS）及MIT海事联盟团队合作，利用人工智能技术，结合技术与政策框架，致力于提升关键海事基础设施的网络安全水平。

扬尤谢维奇表示：“我目前的研究聚焦于将人工智能技术应用于网络安全问题，特别是在海事网络安全领域，探讨这些技术进步的政策影响。代表国家接受高水平教育和行业锻炼，让我对网络安全挑战有独特的见解。”

扬尤谢维奇通过一个允许盟国学生入读美国海军学院的项目，从黑山来到马里兰。他获得了网络作战与计算机科学双学士学位。大学期间，他有机会与美国军方及国家安全局合作，接触高端网络安全操作，激发了解决复杂网络安全问题的兴趣。此外，他还曾在微软实习，开发云端事件响应工具；在NASA实习，进行太阳能数据可视化研究。

毕业后，他意识到自己在人工智能与网络安全领域仍需深入学习。TPP项目因其兼顾严谨的工程创新与政策分析而吸引了他。与海军学院的学习环境不同，TPP节奏更灵活，研究领域更广泛，他特别珍惜将海军学院所学的纪律与知识应用于多样化研究的机会。

扬尤谢维奇说：“TPP的学习体验非常棒，班级规模小，像个大家庭，每个人都致力于多样且高影响力的问题。”

应对新兴技术风险

他的论文融合了网络安全、人工智能深度学习、控制理论与物理学，重点研究保护海事网络物理系统，尤其是大型老旧船只。船只网络被攻击可能对国家安全和经济造成严重影响。

土木工程埃德蒙·K·特纳教授索拉布·阿明评价道：“Strajo致力于破解海事GPS欺骗攻击，这类攻击已导致船只在争议水域偏离航线。他的方法结合基于物理的轨迹模型与深度学习，能够检测单一方法难以发现的威胁。他的专业知识极大推动了我们在威胁建模和攻击检测方面的工作。”

研究利用先进的威胁建模和船舶动力学，训练AI系统区分真实操作与欺骗信号。该框架采用内部长短期记忆（LSTM）自动编码器分析信号完整性，同时利用基于物理的预测器，根据风力和海况等环境因素预测船舶运动。通过将预测结果与报告的GPS位置对比，系统能有效区分自然传感器噪声与恶意欺骗攻击。此混合框架旨在辅助而非替代人工操作，向值班人员提供经过验证的导航数据，帮助他们辨别技术故障与战略性网络攻击。

扬尤谢维奇还将学术研究与行业经验结合。2025年夏，他在AI网络安全公司Vectra AI的网络检测团队实习，研究新技术带来的潜在威胁，尤其是AI代理和模型上下文协议（MCP）——一种新兴的AI代理通信标准。他的研究展示了该技术如何被用于自主黑客行动及高级指挥控制。相关成果已发表于预印本论文《隐藏在AI流量中：滥用MCP进行大型语言模型驱动的代理红队攻击》。扬尤谢维奇表示：“我获得了数据科学团队如何利用AI模型检测网络异常的实践经验，这直接丰富了我研究中的异常检测模型。”

国际政策视角

麻省理工学院社会科学福特国际教授、IDSS主任兼MIT海事联盟负责人福蒂尼·克里斯蒂亚评价扬尤谢维奇：“Strajo不仅具备高智力和活力，还拥有海军训练培养的敏锐直觉，使他的海事网络物理安全研究更具实用政策导向。”

扬尤谢维奇积极参与海事联盟的网络安全工作，该联盟汇聚学术界、产业界和监管机构，致力于技术解决方案、行业标准和政策制定。联盟成员包括来自新加坡和韩国的国际合作伙伴。

他强调：“在AI网络安全领域，政策尤为重要，因为技术发展迅速，黑客攻击后果严重。这个领域仍需大量政策工作。”

目前，扬尤谢维奇还协助组织两场重要会议：二月的哈佛欧洲会议，汇聚全球官员和外交官；四月的技术与国家安全会议，由哈佛与MIT联合举办，聚焦政府、产业和学术界的国家安全关键挑战。

扬尤谢维奇表示：“我希望在推动AI网络安全领域发展的同时，促进美国与黑山之间的合作与创新，成为欧洲与美国在国家安全、人工智能和网络安全领域的桥梁，贡献我的知识与经验。”