该论文聚焦 6G 非地面网络（NTN，含卫星、高空平台等空中节点）中的物理层认证（PLA）难题。NTN 链路存在严重多普勒频移、长传播时延和快变信道，导致训练与部署环境之间出现分布漂移，使传统集中式深度学习和单特征认证方案泛化能力差、在未见环境中性能骤降。作者提出 SAFA-MZ（面向多区域网络的安全自适应认证框架），一个基于因果元学习的分布式物理层认证（DPLA）方案。其核心设计包含四部分：第一，构造多特征指纹，将空间、到达角、合并器、子空间以及多普勒-时延等异构物理层特征与多个空中节点的测量结果进行自适应分布式融合；第二，建立结构因果模型（SCM），显式刻画设计选择、环境因素、提取特征与认证结果之间的因果关系，为后续不变性学习提供依据；第三，采用模型无关元学习（MAML）结合不变风险最小化（IRM）与因果一致性正则化，使模型仅需少量带标签样本即可快速适应新的 NTN 环境；第四，提出两阶段认证机制，先执行本地识别，仅在必要时才激活基于到达时间差（TDOA）的图注意力网络（GAT）定位，从而显著降低回传链路开销。仿真结果表明，SAFA-MZ 在不同环境下达到 92% 的认证准确率和 96% 的 AUC，优于集中式深度学习和单特征基线方案。论文属于方法/仿真验证型研究，未涉及真实网络部署或在野攻击数据。

该论文围绕开放无线接入网（O-RAN）中的量子安全增强问题展开系统综述。O-RAN 通过解耦和软件定义架构带来前所未有的灵活性、互操作性和智能性，但也因组件分散、接口开放而显著扩大了攻击面，产生传统移动网络不具备的安全漏洞。论文指出，现有经典密码学机制虽能应对传统威胁，但在量子计算不断成熟的背景下，可能被具备量子能力的对手破解。为此，作者提出一套面向 O-RAN 的量子安全增强框架，涵盖后量子密码（PQC）、量子密码学、量子认证以及基于量子的威胁检测技术，并与零信任架构协同应用（遵循持续验证、最小权限、微隔离等原则）。文章深入探讨了这些机制如何与近实时（Near-RT）RAN 智能控制器（RIC）、O-Cloud 平台及各类开放接口集成，分析实际部署中的关键因素，包括技术成熟度、标准兼容性和采纳时间线。此外，论文还总结了当前开放研究问题，如量子密钥分发在 RAN 侧的实用性、量子安全协议的轻量化设计、以及面向 6G 时代如何构建可持续演进的安全架构。整体上，该文为 O-RAN 安全研究提供了从理论到落地路径的全面视角，适合移动网络架构师、安全研究员以及关注后量子时代无线通信安全保障的从业者阅读。

本文针对 6G 网络中功率域非正交多址接入（PD-NOMA）系统所面临的虚假信道状态信息（CSI）攻击威胁进行了系统研究。NOMA 技术通过非正交资源分配提升频谱效率和海量连接能力，是 5G 演进与 6G 的关键候选技术，但其功率分配、用户排序、配对、聚类和波束成形等核心功能高度依赖于 CSI 的完整性。作者指出，当基站获取的 CSI 并非简单含噪而是被恶意精心偏置时，整个系统性能将受到严重扭曲，由此将虚假 CSI 定义为一种攻击面。文章提出了一种紧凑型威胁分类法，基于两个主要维度对攻击进行分类：幅度维度（区分低报与高报）和排序效应维度（区分保序攻击、边界攻击和逆序攻击）。在此基础上，进一步扩展了协同虚假 CSI 行为、群组变更攻击、方向伪造、导频欺骗、训练阶段注入以及 RIS 辅助信道操控等多种攻击变体。论文将每种攻击家族映射到系统级影响，涵盖功率分配、串行干扰消除（SIC）可靠性、调度行为、公平性、吞吐量和保密性等方面。其核心观点是：虚假 CSI 不仅应被视为信道估计问题，更应被当作 6G NOMA 系统的控制输入完整性问题，从而为物理层安全研究提供了新的视角和防御思路。

本文提出 CERTIoT-6G，一个面向 5G/6G 网络中物联网设备的安全即服务（SECaaS）框架，旨在解决现有认证机制静态、手动且难以适应大规模异构物联网生态的问题。随着医疗、智慧城市、工业自动化和关键基础设施等领域大规模采用物联网设备，以及欧洲《网络弹性法案》（CRA）和 NIS2 指令等监管要求，设备必须在全生命周期内实现安全设计、持续漏洞管理和弹性运行。传统认证方式无法满足这些动态合规需求。CERTIoT-6G 集成了自动化合规分析、实时流量监控和对抗性测试能力，能够对运行在先进 5G 测试平台上的多种物联网设备类别进行持续网络安全认证和合规监控。实验结果显示，该框架在流量加密和网络不稳定条件下的可用性方面发现了关键的合规缺口，并能针对不同设备类型生成映射到监管要求的可操作判定结果。此外，其监控管道对实时 5G 流量的影响可忽略不计。本文的主要贡献在于提出了一种自动化的持续认证架构，弥补了静态认证与动态合规监管之间的空白，并为物联网安全认证的未来标准化提供了实践验证。适合关注物联网安全、5G/6G 网络架构、安全合规自动化以及安全即服务模型的研究人员、监管科技开发者和网络安全架构师阅读。

本文针对下一代无线网络中通信系统需要同时保障高数据速率、效率和安全性这一核心需求，提出了一种基于贝叶斯引导的协作强化学习波束赋形框架，用于在存在恶意攻击者的动态无线环境中实现联合波束成形与安全感知决策。作者首先基于3GPP标准构建了无攻击场景下的系统模型，并以穷举搜索作为参考基准以获取最优波束配置。随后，在引入攻击者并考虑不同网络扩展规模的条件下评估所提框架。实验结果表明，基于强化学习的方法（Q-learning 和 SARSA）在总信道容量、攻击者检测准确率和性能稳定性方面均一致优于随机选择策略；其中 Q-learning 在检测精度与计算效率之间取得了最佳平衡。整体而言，该框架为对抗性无线环境下的联合波束赋形与安全决策提供了一种稳定、可扩展且有效的解决方案。

本文是一篇关于6G赋能信息物理系统（CPS）安全的综述论文。6G网络将连接数十亿CPS设备（如自动驾驶汽车、智能电网、工业机器人和远程手术设备），这些设备运行在超可靠低延迟切片上，使得远程入侵与物理伤害之间的时间差缩短至毫秒级，传统边界防火墙和集中式安全运营中心无法满足需求。论文将6G CPS安全重新定义为一种闭环、AI原生流水线，在MEC层进行感知，利用分钟级的呼叫详细记录（CDR）进行基线学习，以及亚毫秒级的RAN/O-RAN遥测数据用于延迟关键路径；通过压缩深度模型在本地决策，通过SDN、NFV和O-RAN控制器实现网络范围的缓解，并通过联邦学习（FL）和数字孪生（DT）回放进行重训练。论文形式化定义了每个切片在感知、检测和缓解阶段的有界延迟契约，并在切片相关的尾部百分位数（对安全关键的URLLC切片为p99）上强制执行。系统性地整理了128篇同行评审研究（2017-2026），遵循PRISMA 2020协议，主要贡献包括：(i) 将6G/CPS威胁面映射到MITRE ATT&CK和CDR可观测特征空间；(ii) 统一了跨12个数据集以及统计、图和Transformer模型的边缘异常检测和DDoS分类；(iii) 将SDN/NFV/O-RAN原语综合成一个闭环参考架构；(iv) 将FL、大语言模型（LLM）、DT、后量子密码（PQC）、零信任架构（ZTA）和可解释AI视为跨领域使能因素而非独立支柱；(v) 将开放问题归纳为数据、延迟、信任、标准化和评估五个方向。适合安全架构师、网络运营商及6G安全研究人员阅读。

该论文聚焦于6G网络中集成感知与通信（ISAC）技术的隐私挑战与解决方案。ISAC是未来通信网络的关键特性，通过空间感知可提升网络性能并支持外部服务，但同时也引入了超越通信内容机密性的隐私问题。未来使用毫米波和亚太赫兹频段的6G网络可能收集或推断部署区域内人员、设备、旁观者、被动物体和环境的详细信息。这些感知数据可揭示位置和环境信息，支持行为分析（如运动或活动识别），甚至暴露生理数据（如呼吸频率或心率）。因此，必须控制空间感知能力以满足隐私需求。论文将隐私敏感的ISAC数据组织为三个感知层级：位置与环境数据、行为数据、生理数据，并以此作为全文组织原则。基于此分类，讨论了内部和外部ISAC应用，识别了与同意、透明度、数据所有权、行为分析、旁观者暴露以及敏感感知数据相关的隐私挑战，回顾了代表性解决方案方向，并概述了隐私保护ISAC的未来研究方向。该研究为6G网络设计中的隐私保护提供了系统化的分析框架，适合通信安全研究人员、6G标准制定者及隐私合规工程师阅读。