面向6G网络的基于量子密钥分布的信道估计与雷达频谱感知联邦学习
密码学与安全
2026-03-18 v1 信息论
机器学习
math.IT
摘要
本文提出一种基于量子密钥分布（QKD） securing的联邦学习框架，用于下一代网络（NextG或Beyond 6G）中的无线信道估计和雷达频谱感知。采用BB84式协议抽象化和成对加性掩码方式，对客户端的本地模型（信道估计使用CNN，雷达分割使用U-Net）进行训练，仅上传经过掩码处理的模型更新。服务器在不观察原始参数的情况下进行聚合；没有QKD密钥的窃听者无法恢复单个更新。实验表明，安全联邦学习在信道估计中实现0.216的均方根误差（NMSE），在雷达感知中达到92.1%的准确率和0.72 mIoU。当存在窃听者时，QBER升至约25%，所有轮次按预期中止；重建误差保持在10^-5以下，确认聚合正确。
引用
@article{arxiv.2603.15649,
title = {Quantum Key Distribution Secured Federated Learning for Channel Estimation and Radar Spectrum Sensing in 6G Networks},
author = {Ferhat Ozgur Catak and Murat Kuzlu and Jungwon Seo and Umit Cali},
journal= {arXiv preprint arXiv:2603.15649},
year = {2026}
}
备注
10 pages