Q-FE:一种面向原生的量子6G远边缘架构,通过CSIDH-PQC和异步联邦学习保障工业物联网数字孪生的安全
第六代(6G)无线网络将支撑超密集工业物联网(IIoT)生态系统,其中资源受限的远边缘设备——包括自主移动机器人、工业执行器、联网车辆——必须同时满足亚毫秒级延迟、10⁻⁷级可靠性以及长达数十年的密码学安全性。当前架构将数字孪生(DT)计算委托给集中式云或移动边缘计算(MEC)服务器,导致过高的往返延迟,并依赖易受"先获取,后解密"(HNDL)威胁模型下量子攻击的经典公钥密码体制。该团队提出Q-FE,一种量子原生6G远边缘架构,集成了三个协同设计的组件:(i)与6G基站及高能力端点共址的微数字孪生(μDT);(ii)跨层后量子密钥交换模块,将CSIDH-512同源密钥材料直接嵌入MAC层控制帧,利用该方案独有的紧凑密钥(≤64字节)避免数据包分片;(iii)由MEC节点上轻量级有向无环图智能合约管控的异步联邦学习(AFL)协议,消除掉队者瓶颈,并在不暴露原始数据的前提下防御模型投毒和女巫攻击。端到端仿真(NS-3 + PySyft)表明,与ML-KEM/Kyber-1024相比,Q-FE将MAC层开销降低62%,保持P99.9 URLLC延迟为0.78毫秒,并将全局模型收敛速度比同步联邦学习加快31%。协议复杂度分析证实每轮聚合复杂度为O(NlogR),μDT切换迁移在104次模拟事件中完成于1.9±0.3毫秒。正式威胁模型确认了对量子窃听、模型投毒和女巫攻击的鲁棒性。

