量子科技中心_量科网

该论文提出了一种基于量子密钥分发（QKD）保护的联邦学习框架，用于下一代网络（NextG或超6G）中的无线信道估计与雷达频谱感知。研究团队采用BB84风格协议抽象和成对加性掩码技术，训练客户端本地模型（信道估计采用CNN，雷达分割采用U-Net），并仅上传掩码后的模型更新。服务器在无法观测明文参数的情况下完成聚合；未获取QKD密钥的窃听者无法还原任何个体更新。实验表明，安全联邦学习在信道估计中实现了0.216的归一化均方误差，雷达感知达到92.1%准确率与0.72平均交并比。当存在窃听者时，量子误码率升至约25%，所有训练轮次按设计中止；重构误差始终低于10⁻⁵，验证了聚合过程的正确性。