该论文关注基于强化学习（RL）的无人机（UAV）导航与控制器的运行时安全问题。近年来，RL 控制器因其在复杂机动与自主导航中的表现被广泛用于无人机控制，但这类策略存在一个关键且常被忽视的攻击面：动作空间攻击。攻击者并不篡改策略的观测输入，而是在策略已经生成动作指令之后、执行器真正执行之前，直接覆写或篡改动作命令，使无人机执行与策略意图不一致的机动，可能导致偏航、任务失败甚至坠毁。现有防御大多针对策略输入（观测）层面的对抗扰动，少数针对动作空间攻击的方案则是在训练阶段重新训练策略，使其在训练分布内更鲁棒，但这类方法无法在运行时对已被污染的动作指令做出响应，一旦攻击模式或注入方式超出训练假设便失效。 为弥补这一缺口，作者提出 ASGARD，一个两阶段“教师—学生”流水线，用于提升 RL 无人机控制对动作空间攻击的运行时韧性。第一阶段为教师阶段：编码器将无人机的物理状态与“动作攻击相关的特权信息”（privileged information，即在真实部署中不一定可直接获得、但在训练/仿真中可知的攻击上下文）联合编码，生成一个对动作攻击敏感的隐表示（action-attack-aware latent）。该隐表示同时用于训练两个组件：一是 RL 控制策略本身，二是监控器（monitor），后者负责在执行器前输出修正后的动作指令，从而抵消被篡改的命令。第二阶段为学生阶段：编码器与监控器通过监督学习从各自的教师版本中蒸馏出来，使它们在部署时仅依赖无人机物理状态的历史序列即可在机载运行，不再需要特权攻击信息。 实验部分，作者在多种针对不同动作指令的攻击场景下评估 ASGARD，结果显示其能够在遭受动作空间攻击时保持韧性并完成任务；此外还验证了 ASGARD 对未见过的攻击类型具有泛化能力，并且在隐蔽（stealthy）攻击下仍能维持韧性。该工作适合研究 RL 安全、机器人/无人系统安全、运行时监控与防御性蒸馏的研究者与安全工程师阅读，也为机载轻量级运行时防护设计提供了可借鉴的两阶段范式。