该论文针对6G网络中的安全挑战，特别是集成感知与通信（ISAC）系统中的攻击者检测问题。在6G网络中，通信系统不仅传输数据，还能感知周围环境，实现ISAC。然而，这种能力也引入了新的安全风险：攻击者可以操纵波束赋形方向以增加干扰，误导发射机将主瓣对准自己而不是合法用户。论文将合法用户与攻击者之间的交互建模为博弈论问题，并将基于效用的公式集成到强化学习（RL）框架中，提出了一种分布式博弈论强化学习方法，用于城市环境下的波束赋形与攻击者检测。仿真结果表明，该方法能有效应对动态6G ISAC系统中的安全威胁，检测主动攻击者并维持通信质量。研究贡献在于：1) 将博弈论与强化学习结合，建模ISAC中的对抗性交互；2) 提出分布式算法，适用于城市多用户场景；3) 在动态环境中验证了攻击检测的效能。该工作适合从事6G安全、无线通信或强化学习的研究人员阅读。