当量子联邦学习在6G网络中遇见区块链
密码学与安全
2025-12-12 v1 分布式、并行与集群计算
摘要
量子联邦学习（QFL）正成为下一代6G网络中实现智能、安全且隐私保护的模型训练的关键使能技术。通过利用量子设备的计算优势，QFL在学习效率和抵御量子时代威胁方面提供了显著改进。然而，未来的6G环境预计将是高度动态、去中心化和数据密集型的，这需要将传统的集中式联邦学习框架推向前去。为满足这一需求，区块链技术提供了一种去中心化、防篡改的基础设施，能够支持分布式量子边缘设备之间的无信任协作。本文提出了QFLchain，一个将QFL与区块链集成的新框架，以支持可扩展且安全的6G智能。在这项工作中，我们研究了QFLchain在6G背景下的四个关键支柱：(i) 通信与共识开销，(ii) 可扩展性与存储开销，(iii) 能源效率低下，以及(iv) 安全漏洞。还提供了一个案例研究，基于仿真展示了QFLchain相对于最先进的方法在训练性能方面的潜在优势。
引用
@article{arxiv.2512.09958,
title = {When Quantum Federated Learning Meets Blockchain in 6G Networks},
author = {Dinh C. Nguyen and Md Bokhtiar Al Zami and Ratun Rahman and Shaba Shaon and Tuy Tan Nguyen and Fatemeh Afghah},
journal= {arXiv preprint arXiv:2512.09958},
year = {2025}
}
备注
Accepted at IEEE Communications Standards Magazine