A closed-loop authentication-detection security framework for edge computing environments integrating trusted computing and distilled pre-trained language models

Jing Zhao

doi:10.1038/s41598-026-66120-0

A closed-loop authentication-detection security framework for edge computing environments integrating trusted computing and distilled pre-trained language models

2026-08-21

0

OA

AI

DOI：10.1038/s41598-026-66120-0

原文链接

查看原文

摘要

En 中文

边缘计算环境承载数以万计的节点面临节点伪装、数据篡改和分布式拒绝服务攻击等并发威胁，但现有安全方案孤立地处理认证、入侵检测和资源调度。本文提出一个集成三个紧密耦合模块的闭环认证-检测安全框架。检测-反馈驱动的自适应认证模块结合可信平台模块硬件证明、贝叶斯衰减复合信任指标和三级自适应凭证验证。信任引导的蒸馏多模态入侵检测系统应用从SecureBERT到轻量级学生模型的对比知识蒸馏，并结合跨网络流量、系统日志和系统调用流的跨模态注意力融合，条件为通过双向信任-反馈令牌通道接收的信任分数。MAB-UCB1自适应调度器协同优化两类工作负载的资源分配，在第200轮达到理论最优累积奖励的91.7%，而随机基线为70.4%。涵盖20个对比组、10种消融条件、6种攻击场景、3个公开数据集、1,000至50,000节点规模和30次重复试验的实验（Wilcoxon和Friedman统计验证）表明，所提框架在安全性能效用分数的六个性能维度上表现出竞争力，包括10,000节点时的认证延迟239.4 ms、检测F1分数0.968、平均资源利用率38.2%和DDoS条件下的系统稳定性0.871，在测试条件下显著优于所有评估的基线方法。

A closed-loop authentication-detection security framework for edge computing environments integrating trusted computing and distilled pre-trained language models

摘要

AI总结

期刊

机构

引用论文