量子科技中心_量科网

关键基础设施中物联网设备的激增带来了前所未有的网络安全挑战，亟需建立既能保护数据隐私又能抵御复杂攻击的协同威胁检测机制。针对物联网安全的传统联邦学习方法存在两大关键缺陷：易受恶意参与者污染模型更新的拜占庭攻击影响，以及无法应对可能破坏加密聚合协议的未来量子计算威胁。该研究团队提出了一种创新的拜占庭鲁棒联邦学习框架，该框架与后量子安全聚合技术相结合，专为关键物联网基础设施间的实时威胁情报共享而设计。该方案将自适应加权聚合机制与基于格的密码协议相融合，可同步防御模型投毒攻击和量子计算威胁。研究人员开发了一种基于信誉值的客户端选择算法，能在保证差分隐私的前提下动态识别并排除拜占庭参与者。安全聚合协议采用CRYSTALS-Kyber进行密钥封装，并应用同态加密技术确保参数更新过程的机密性。在工业物联网入侵检测数据集上的实验表明，该框架在成功抵御40%拜占庭攻击者的同时，威胁检测准确率达96.8%，相较于非安全联邦方法仅产生18%的计算开销。该方案保持亚秒级聚合延迟，适用于实时应用场景，并提供256位后量子安全级别。