本文提出 Sarus，一个基于同态加密的隐私保护多供应商感知融合框架，旨在解决自动驾驶车辆在多供应商部署场景中共享检测输出时面临的隐私和安全问题。传统协作感知通过聚合多个代理的检测结果提升环境感知能力，但暴露了供应商的模型行为和敏感环境信息。Sarus 允许每个供应商将检测结果编码为紧凑的高斯矩向量，并映射到共享的空间格点上，然后将加密后的有效载荷发送到融合服务器。服务器在加密域中直接聚合这些向量，无需解密即可完成融合。融合结果经解密后，通过按类别的 bin 合并重建最终检测。论文分析了计算复杂度：供应商端有效载荷构建呈线性缩放，服务器端融合复杂度为 O(BV)（B 为占据格点数，V 为供应商数），后处理复杂度为 O(B + Σ B_c^2)（B_c 为类别 c 占据格点数）。实验使用 KITTI 数据集，结合相机（YOLOv8）和 LiDAR（PointPillars, PV-RCNN）检测器，结果表明 Sarus 能有效聚合互补检测，提升场景级覆盖，尤其在单模态退化距离区域。同态加密仅带来有界的常数因子开销，解密是后处理的主要成本。该工作证明了在充分利用统计压缩和空间稀疏性时，隐私保护的多供应商感知融合可实时部署。