该论文针对无人机蜂群网络中的入侵检测问题，提出了一种基于联邦学习（FL）与知识蒸馏（KD）的轻量级入侵检测系统（IDS）。无人机蜂群在监视、灾难响应等关键任务中广泛应用，但其开放通信信道和有限计算资源使其易受网络攻击。传统的机器学习方法需要收集所有异构无人机的数据到中心服务器处理，不可行且存在隐私风险。联邦学习提供分布式解决方案，但现有FL-IDS框架面临通信和计算开销大的挑战。作者采用深度神经网络（DNN）结合知识蒸馏来降低模型复杂度和通信成本，同时保持检测性能。在Raspberry Pi 4设备和真实无人机网络数据集上评估，该方法实现了约98.6%的检测准确率，同时降低约70%的通信开销和29%的计算开销。结果表明，FL与KD结合是资源受限无人机网络中安全高效部署的实用方案。论文适合无人机网络安全研究人员、联邦学习应用开发者以及物联网安全从业者阅读。

该论文关注嵌入式实时设备的安全验证问题。智能工厂、关键基础设施和医疗设备广泛依赖嵌入式系统，这些系统必须满足实时约束以完成关键任务。然而，研究表明许多此类设备存在严重漏洞，可能被利用造成致命后果。由于实时系统对时间要求严格，传统的安全机制（如加密、认证）往往因影响运行时行为而难以部署。为此，研究者提出远程证明（remote attestation）方案，将安全增强功能卸载到远程实例，从而在不干扰本地实时任务的前提下验证设备完整性。论文题为RealSWATT，旨在设计并实现一种适用于实时约束环境的远程软件证明方法。摘要未提供具体技术细节，但强调了研究动机和背景：嵌入式实时设备的安全防护需求迫切，而远程证明是一种有前景的解决方向。本文适合嵌入式系统安全、实时系统及工业控制系统安全研究人员阅读。

该论文聚焦于资源受限的物联网（IoT）设备在DNS查询过程中的隐私保护问题。传统上，DNS流量常被攻击者用于识别或破坏网络服务，现有研究主要依赖DNS over TLS/HTTPS/QUIC等加密手段来保护查询内容。然而，对于计算和带宽受限的IoT设备，这些协议可能过于沉重。作者转向IETF为受限设备设计的协议，如CoAP（受限应用层协议），并探索在加密之外添加流量混淆来增强隐私。他们构建了一个包含机器对机器兼容数据对象及对应DNS解析过程的数据集，评估了296种部署场景，包括DNS over CoAP、CoAP的洋葱路由变体，并在不同链路层条件下与DNS over HTTPS进行对比。使用随机森林分类器和头部分析，他们识别出最容易泄露信息的字段。实验结果表明，采用数据包长度均衡、块传输和头部压缩的DNS over CoAP可将DNS帧识别准确率降至86%，进一步结合负载压缩可降至77%，优于DNS over HTTPS（后者依赖IP地址即可完全识别DNS帧）。数据集已公开，可供进一步研究。该工作为IoT环境下的DNS隐私保护提供了轻量级且有效的方案。

本文研究了在后量子密码（PQC）时代，如何在资源受限的物联网（IoT）设备上安全部署MQTT协议。随着量子计算发展，Shor算法使得当前广泛使用的TLS加密算法面临被破解的风险，因此需要引入抗量子签名算法来保障消息的认证和完整性。作者以Raspberry Pi 5作为典型轻量级硬件平台，搭建了一个包含三个节点的MQTT物联网网络，并集成了NIST选定的后量子数字签名方案FALCON。FALCON是一种基于格密码的签名算法，具有较小的签名和密钥尺寸，适合嵌入式环境。研究通过测量MQTT消息的端到端延迟、CPU使用率和网络吞吐量等性能指标，对比了使用FALCON签名与不使用加密的基线情况，量化了在资源受限设备上部署PQC的实际开销和权衡。实验结果表明，FALCON在提供量子安全性的同时，对性能影响在可接受范围内，为未来物联网基础设施向PQC迁移提供了重要的实验依据和数据支持。该工作面向物联网安全工程师、密码学研究人员以及系统架构师，帮助理解PQC在真实受限设备上的可行性。

该论文针对IoT和网络物理系统中常见的PIN认证机制，将其建模为低带宽的人机通信信道，并首次提出在部分信息泄露条件下量化认证可靠性衰减的随机模型。传统安全评估通常采用二元视角（完全安全或完全失陷），忽略了实际环境中因侧信道、观察或窃听导致的逐步信息泄露对认证可靠性的渐进影响。作者将PIN输入过程视为随机的人机通信系统，设计了一种上下文条件概率推理框架：将缺失数字视为隐变量，利用平滑条件概率分布和回退先验进行估计，不依赖显式的隐状态转移或发射参数，而是通过上下文驱动的概率推理近似数字位置间的依赖关系。实验基于超过100万个真实世界四位PIN样本，评估了单数字、双数字和三数字泄露场景，并推导出位置依赖的可靠性指标。结果表明，在单数字缺失时预测准确率达55.31%，三数字缺失时为12.12%，在精确率、召回率和F1分数上始终优于序列模型基线和经典机器学习模型。该研究形式化了PIN输入作为噪声人机通信信道的概念，揭示了现实部分暴露条件下认证可靠性的显著退化，为设计更鲁棒的认证协议和评估实际安全风险提供了理论依据。适合安全研究员、人机交互及物联网安全领域从业者阅读。