量子科技中心_量科网

医疗物联网（IoMT）设备在严格资源限制下运行，同时处理高度敏感的健康数据，使得安全性和隐私成为关键问题。联邦学习（FL）进一步复杂化了这一局面，因为训练过程中交换的模型更新可能无意中暴露私人医疗信息。新兴的量子计算能力威胁着传统轻量级加密机制的长期可行性，推动了将后量子密码学（PQC）集成到IoMT系统中的需求。本文讨论了支持量子韧性IoMT的关键技术，包括后量子密钥建立、轻量级加密和边缘原生编排。该团队提出了一个基于Kubernetes的可扩展框架，该框架将PQC集成到基于FL的IoMT环境中，并在树莓派测试平台上进行了验证。结果表明，与顺序设计相比，分布式加密处理显著降低了延迟，同时保持了可行的资源开销。本研究的主要贡献在于为基于FL的IoMT系统设计并验证了一个安全编排与通信框架。最后，该工作指出了未来发展方向，包括能效感知架构、智能安全优化以及韧性下一代智能医疗物联网（IIoMT）生态系统。