后量子联邦学习:面向协同网络防御的安全可扩展威胁情报

基于联邦学习(FL)的协同威胁情报共享面临量子计算的重大威胁,传统加密方法可能被攻破。该研究提出采用后量子密码(PQC)的量子安全FL框架,以保护跨机构数据共享。通过模拟量子攻击破解RSA加密梯度,研究人员揭示了传统FL的脆弱性,并提出混合架构:集成NIST标准化算法CRYSTALS-Kyber实现密钥交换,CRYSTALS-Dilithium进行身份认证。在APT攻击数据集测试中,该方案达到97.6%威胁检测准确率,延迟开销仅增加18.7%,验证了其实用性。医疗联盟案例研究证实,该方法可在不违反隐私法规前提下安全共享勒索软件指标。该工作强调量子防御的紧迫性,为FL系统部署PQC提供技术指南,并就威胁情报网络的量子抗性标准化提出政策建议。

作者单位: VIP可见
提交arXiv: 2026-03-08 08:57

量科快讯