多智能体强化学习（MARL）在无人机集群控制、机器人协同操作等领域的广泛应用前景，但其部署过程中存在的安全威胁尚未得到充分研究。已有工作主要聚焦于完全可观测环境下的双人竞争场景，攻击者能够利用受害者的漏洞生成对抗策略，例如将超人类水平的围棋AI胜率降至20%左右。然而，实际应用中攻击者往往只能获得部分观测信息。本文首次揭示了在部分观测的多智能体竞争环境中，攻击者仍能生成有效对抗策略的能力。为此，作者提出了一种名为SUB-PLAY的新型黑盒攻击方法，其核心思想是构建多个子游戏（sub-games）以减轻部分可观测性的影响，并通过子策略之间共享转换（transitions）来提升攻击者的利用能力。在三种典型的部分观测限制条件下进行的广泛评估验证了SUB-PLAY的有效性。可视化结果表明，对抗策略会显著改变受害者策略网络的激活模式。此外，论文还评估了三种潜在防御措施，旨在探索缓解对抗策略安全威胁的途径，并为在竞争环境中部署MARL提供了建设性建议。本研究为MARL系统的安全部署敲响警钟，并为后续防御研究奠定了基础。