基于强化学习的自适应量子安全加密技术，应用于符合DN25标准的智能环境

《IEEE Access》：Reinforcement Learning-Based Adaptive Quantum-Safe Cryptography for DN25-Compliant Smart Environments

　　

摘要：

量子计算的出现对传统安全机制构成了挑战，尤其是在异构性和资源有限的物联网（IoT）及智能环境中，这些环境必须满足DN25要求。本文介绍了一种基于强化学习的模型，用于自适应选择和协调加密算法。该模型作为智能决策层，通过观察上下文、网络和运营指标来推荐或强制执行结合经典加密方案、后量子密码学以及量子密钥分发的配置（如果可用的话）。选择问题被构建为一个马尔可夫决策过程，其状态和动作空间与协议控制流程相匹配，并嵌入到安全中间件中，其中包含协商和回退机制，以确保互操作性和政策合规性，而无需修改应用程序逻辑。实验结果表明，该模型能够根据风险和资源状况动态调整密钥长度、算法家族和安全策略，在高风险场景下将后量子密码学和量子密钥分发的使用量分别提高了33.4%和23.9%；而对于不太关键的流量，则优先选择低延迟的经典或混合方案。该系统在保持稳定延迟和资源使用的同时，成功 rate 超过了78%。