五角大楼申请 3030 万美元用于开发 AI 驱动的 Polygraph+ 非接触式测谎系统，以提升内部威胁检测并应对安全审查挑战

国防部在为2027财年提交的预算请求中，明确提出将在未来五年内为名为Polygraph+（亦称Polygraph Next）的项目投入总计3030万美元的研发经费。这笔资金旨在支持该系统的概念验证、原型开发以及后续的技术验证工作，当前该提案仍在等待国会的最终批准。

负责该项目的主管机构是国防反情报与安全局（Defense Counterintelligence and Security Agency，简称DCSA），该局已经承担起对约280万名平民和军人雇员进行背景审查、内部威胁检测以及安全合规管理的职责。

Polygraph+ 的工作原理设想

预算文件中描述，Polygraph+ 将融合机器学习生成的可信度评分与所谓的“远程感知”技术，能够在不需要直接贴附任何传感器的情况下，捕获被测者的多种生理信号。文件并未公开具体的传感器组合、数据采集频率或系统整体架构细节。

据公开的早期原型信息显示，五角大楼曾尝试使用高分辨率摄像头对被测者进行图像分析，以估算心率、呼吸频率、头部运动轨迹、面部温度变化以及皮肤毛孔的微小活动。但这些技术是否会被整合进即将研发的Polygraph+系统，仍未得到官方确认。

科学界的怀疑

早在2003年，国家研究委员会（National Research Council）对传统测谎仪的科学依据进行评估时，就将其证据等级标记为“最多也只是弱”。近年来的研究进一步指出，压力状态并非与欺骗行为存在一对一的必然关联，且用于训练AI模型的标注数据往往缺乏可靠的真实标签，导致模型的学习基础不稳。

即便项目方声称系统能够实现80%至94%的检测准确率，在覆盖280万名雇员的规模下，仍然会产生大量的误报。这意味着相当数量的无辜员工可能会被错误标记为安全风险，从而面临不必要的调查和职业影响。

关键未解问题

• 额外传感器真的能提升检测准确性，还是仅仅为本质上不可靠的信号增加算法置信度层？
• AI模型能否在可靠区分欺骗与其他压力因素的数据上进行训练？
• 将采取哪些保障措施防止误报结果被滥用？
• DCSA将如何在全防务人员部署前验证系统的有效性？

技术争论的核心在于，更先进的感知手段与AI算法是否能够突破数十年测谎研究中反复出现的固有限制，还是仅仅借助更高分辨率的生理指标来掩盖固有的不确定性。

MIT Technology Review 与 Superpower Daily 于2026年9月25日共同报道了这项预算请求，指出截至报道时资金尚未获批，并强调该项目的科学基础仍受到广泛争议。

如果国会最终批准这笔经费，Pentagon将实现对自动化可信度评估工具的大规模投入，这可能会从根本上重塑五角大楼的背景审查流程、持续监控机制以及内部威胁缓解策略。

对于使用中文的组织而言，这一动向意味着传统的人工筛选流程可能被AI中介的快速、非接触式评估所取代，同时也将带来隐私保护、正当程序以及自动化测谎可靠性方面的新法律和伦理挑战。

此外，项目的实施还可能促使其他国家的防务部门关注类似技术的研发路径，形成新一轮的技术竞赛，进一步加剧全球安全环境的不确定性。

在预算审议阶段，国会委员们已要求提供更为详尽的技术评估报告和伦理审查意见，以确保在投入巨额公共资金之前，系统的有效性和风险控制措施得到充分验证。

最后，随着AI技术在情报与安全领域的渗透加深，如何在提升防务能力的同时，维护个人权利与社会信任，仍将是政策制定者必须面对的核心难题。