随着低地球轨道（LEO）卫星通信系统在通信、导航与遥感等领域的重要性不断提升，针对复杂动态空间环境的智能网络攻击检测需求日益迫切。与传统的网络入侵检测不同，卫星系统产生的数据具有显著的多源异构特征：既包括射频（RF）链路的信号信息，也涵盖星载硬件状态与轨道运行参数。然而，现有研究大多直接沿用地面网络入侵数据集，或对单条观测独立建模，因而难以捕捉 LEO 卫星特有的、具有时间依赖性的攻击行为。本文基于新近发布的卫星专用数据集 UNSW-IoTSAT，对基于深度学习的网络攻击检测展开系统性研究。作者重点考察能够保留硬件、轨道与射频信息的结构化学习架构，包括子系统融合的多层感知机（Subsystem-Fusion MLP），以及一种分层多模态 Transformer，后者可同时建模跨子系统交互关系与时间演化过程。论文还评估了防泄漏的行级与时序实验设置，并开展跨卫星泛化实验，以刻画模型架构与评估协议如何共同影响卫星攻击检测效果。实验结果显示，结构化多模态建模与严格评测具有重要价值，其中分层 Transformer 在防泄漏评估协议下最高达到 91.66% 的准确率与 85.63% 的宏 F1 值。

随着新太空时代的发展，近地轨道上由独立实体运营的卫星数量激增，这带来了更丰富的空间服务需求，但也要求安全、近实时的协调。高效的太空资产认证对于下一代任务至关重要。传统依赖地面的公钥基础设施（PKI）存在延迟和操作瓶颈，限制了在动态太空环境中的可扩展性和可用性。本文提出了基于太空的PKI架构设计，将证书管理和验证从地面基础设施转移到太空，减少对地面站的依赖，同时实现互操作性和跨实体协作。文中介绍了两种部署方案：一是空间-地面集成PKI，配备在轨验证权威机构；二是完全自主的基于太空的PKI，实现在太空签发和验证。文章分析了在多运营商环境中部署的权衡，包括可扩展性、可用性、安全性、成本和操作复杂性。此外，提供了基础延迟分析以说明在轨信任管理的性能影响。该研究为未来安全空间通信提供了重要的技术路线，适合太空安全工程师、PKI设计人员和卫星通信研究者阅读。