该论文研究了云边缘计算平台中多租户隔离面临的安全挑战，以 Cloudflare Workers 为例。Cloudflare Workers 为降低冷启动延迟，去除了传统的进程级隔离边界，采用语言级隔离（如 V8 引擎）来承载不同租户的代码。这种架构虽然在性能上具有优势，但被广泛认为会引入 Spectre 等微架构侧信道攻击风险。为此，Cloudflare 此前曾实施一系列防御措施，包括限制高精度计时器、禁止共享内存、禁止多线程，并引入动态进程隔离（DyPrIs）机制来检测可疑行为并对脚本进行进程级隔离。然而，论文作者通过实证分析发现，生产环境中的 DyPrIs 防护并不充分。他们采用微架构放大技术，在 Cloudflare Workers 的生产环境中找到了多种远程计时方法，成功绕过了计时器冻结或粗化策略。基于这些远程计时器，作者端到端地演示了一次远程 Spectre 攻击，能够从同一主机上共存的其他 Worker 中泄漏 JWT 令牌。攻击速率从原先的约 2 比特/分钟大幅提升至最高 12 比特/秒，且准确率达到 99.16%，对客户数据构成直接、实质性的安全威胁。在披露该问题后，Cloudflare 协同实施了多项修复措施：集成 V8 Sandbox 以限制瞬态访问仅能使用 64 位指针；增强 DyPrIs 的检测能力；并部署基于硬件内存保护密钥（MPK）的进程内隔离，为每个租户堆分配独立的内存保护密钥，从而进一步隔离租户数据。该研究揭示了仅依赖语言级隔离与软件计时器限制不足以防御微架构侧信道攻击，凸显了硬件支持的内存隔离机制在边缘计算安全中的必要性。适合云安全研究人员、边缘计算平台开发者和安全防御者阅读。

该论文针对6G使能的医疗物联网（Healthcare IoT）场景中边缘网关的流量控制问题展开研究。医疗物联网服务依赖边缘网关转发常规遥测数据，并传输偶发但时间紧急的报警消息。即使短暂的流量突发也可能显著恶化最坏情况下的时延，干扰紧急消息的及时传递。作者提出NANOEDGEGUARD系统，一种位于内核平面的闭环控制器，在边缘节点上观测每个数据源的流量强度，并通过内核流量控制钩子实施可审计、多层次的速率策略。与静态防火墙规则或用户态控制循环不同，该设计强调快速动作和通过滞回机制实现的显式恢复，同时记录策略变迁以供审计。实验基于树莓派网关（运行MQTT代理）和两个ESP32终端（产生生命体征数据、报警消息和定时突发流量）构建的测试平台。结果表明，与用户态防火墙基线相比，自适应内核平面速率控制将报警消息的第99百分位往返时延（RTT）降低了13.3%，同时保持与无强制控制接近的RTT水平；与无强制控制相比，额外准入的突发流量减少了46%。这些初步结果证明，在网关处实施自适应且可审计的速率控制能够提升医疗物联网的韧性，并有望扩展到未来边缘智能中的按需策略部署。本文适合从事边缘计算、物联网安全、医疗系统可靠性和网络流量工程研究的学者与工程师阅读。

随着边缘设备（如手机）计算能力提升和隐私要求日益严格，越来越多的深度学习应用选择在边缘端预处理敏感原始数据，再将提取的特征传输到云端进行后续处理。面部识别服务是典型例子，它需要从不同个人的面部图像中提取特征。为了防止身份信息在传输或云端被窃取，传统方法通常采用对抗博弈的方式从特征中剥离身份信息。然而，这类方法无法有效抵御自适应攻击——即攻击者针对已知防御策略采取反制措施。本文提出 Crafter，一种部署在边缘端的特征加工机制。其核心防御思路是误导攻击者使其陷入非私有的先验信息，从而几乎无法从攻击中获取关于用户私人身份的信息。换而言之，加工后的特征对于自适应更新模型攻击者而言扮演了中毒训练样本的角色。实验中，Crafter 成功抵御了基本攻击和多种自适应攻击变体，而当前最先进的基于对抗博弈的方法均无法达到同等效果。该方法不依赖预设攻击模型，具有较强的泛化能力。

本文提出了一种名为 Prezta（可验证的零信任授权远程执行）的新型架构，旨在解决关键基础设施中运营技术（OT）系统安全现代化面临的挑战。传统的应用网关虽然能执行复杂授权并支持零信任架构，但存在部署和管理负担重、需与远程边缘设备共置、频繁更新补丁等问题。Prezta 通过将授权策略评估移到客户端内的零知识虚拟机（zkVM）中执行，生成简洁的零知识证明，边缘设备只需高效验证该证明即可确认授权结果，从而消除了应用网关，将零信任安全边界扩展至边缘。该系统支持策略和身份管理方案的动态演进，无需更新边缘设备。原型基于 RISC Zero zkVM 实现，兼容 XACML 3.0 策略和 JWT 身份声明。为减轻 zkVM 带来的证明开销，作者将策略编译为 Rust 代码，并预编译正则表达式，同时优化签名验证和 JWT 解析，将证明者时间降低了一个数量级以上。编译器正确实现了 XACML 3.0 一致性测试套件的 83%，在台式机上证明生成耗时数十秒，而验证仅需数十毫秒，足以适应资源受限的边缘设备。该研究展示了零知识证明在零信任远程授权中的可行性，为边缘计算环境下的安全架构提供了新思路。

该论文提出并评估了一个端到端的联邦学习系统，用于在边缘设备上进行无监督的12导联心电图异常检测。系统结合了三种自编码器架构（VanillaAE、ConvAE、VAE），基于Flower框架实现跨十个模拟医院的联邦平均聚合，并集成客户端差分隐私（DP-SGD，使用Rényi-DP会计）和8位整数量化后训练压缩（在树莓派4上测试）。实验使用PTB-XL数据集，表明联邦学习在所有架构上达到或超过集中式基准（ConvAE的ROC-AUC为0.782），隐私预算ε=4被推荐为临床操作点。INT8量化使模型大小减半，树莓派延迟降低44%，且AUC损失小于0.12%。关键发现是差分隐私和量化惩罚可经验独立叠加，因此实践者无需在强隐私保证和小型边缘部署之间权衡。该工作是首个结合联邦学习、形式化(ε,δ)-差分隐私、无监督重建检测和量化AArch64部署的系统，为医疗物联网中的隐私合规实时监测提供了工程基准。

该论文针对大规模 OTT 数字媒体消费场景中，资源受限设备（如 ARM Cortex-A 系列）上的权限验证效率瓶颈问题，提出了一种混合边缘-云端权限验证框架。传统架构依赖同步的云端验证流程，导致用户感知延迟高（平均 422.8ms）。本文通过在设备中间件中实现安全的本地缓存层，并设计自适应权限缓存与主动刷新（AEC-PR）算法，将用户交互与后端网络延迟解耦。该方法利用确定性 Ed25519 算法和可信执行环境（TEE）隔离进行本地加密验证，在保证安全性的同时显著降低延迟：实验表明，授权延迟从平均 422.8ms 降低至 18.4ms（降低 95.6%）。此外，论文还讨论了通过硬件隔离和常数时间实现来缓解侧信道风险的方法。该研究对于提升 OTT 平台的用户体验和低延迟架构设计具有重要参考价值。

本文提出了一种面向部署的可解释人工智能辅助 eBPF/XDP 缓解框架，专门针对物联网边缘网关设计。物联网环境由异构、资源受限的设备组成，这些设备安全配置薄弱、服务暴露、日志记录有限、补丁更新困难且生命周期长。传统的基于签名和阈值的控制方法在动态物联网网络中作为独立机制是不够的，而离线人工智能基准性能无法直接转化为实际部署能力。为此，本文设计了一个概念框架和研究路线图，该框架在基于 Linux 的物联网边缘网关上实现资源感知的流级人工智能辅助风险评分、事件级可解释性以及通过 eBPF/XDP 进行的有限缓解。控制器应用可逆、有时间限制的动作，并包含关键设备保护机制，更新数据包级执行状态并记录结构化日志。架构将用户空间的复杂推理和策略控制与内核中简洁的数据包处理决策分离。此外，还定义了未来硬件感知评估路径，涵盖检测质量、资源成本、响应时间、回滚行为以及合法流量保留等方面。本文未报告新的实验结果，但为后续研究和实际部署提供了理论框架。

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。

本论文针对边缘计算环境中资源受限客户端需要委托大规模矩阵行列式计算（MDC）的安全性与效率问题，提出了一种安全并行行列式计算框架（SPDC）。在物联网等场景下，传统行列式算法的立方复杂度无法满足实时处理需求，且数据隐私和结果完整性至关重要。SPDC框架通过复合元素扭曲（CED）加密方法，结合元素级混淆（EWO）和Panth旋转定理（PRT），在隐藏矩阵结构和数值内容的同时保持行列式性质，实现了隐私保护。框架采用并行LU分解将加密矩阵块分布到任意数量的不可信边缘服务器上，实现高效可扩展的计算；单向通信模型消除了服务器间交互，降低了协调开销。为减轻客户端负担并确保结果完整性，论文提出了两种验证算法：Q_2（概率性标量方法）和Q_3（确定性低复杂度方法）。数学分析表明，SPDC框架提供强隐私与安全保证、低计算开销和部署灵活性，适用于分布式边缘辅助系统中的安全、可扩展、实时MDC。研究贡献包括：提出CED轻量级加密方案、支持任意数量服务器的并行分解、非交互通信模型以及双重验证机制。适合对安全外包计算、边缘计算、隐私保护矩阵运算感兴趣的研究者和工程师阅读。