HybridTrust：一种适用于传统医疗设备和量子安全医疗设备的设备内联邦学习技术，具备加密敏捷安全特性

《Scientific Reports》：HybridTrust: on-device federated learning with crypto-agile security for legacy and quantum-safe medical devices

　　

摘要

预计医疗领域中的物联网（IoMT）系统向后量子密码系统的迁移将是一个渐进的过程。在这一过程中，现有的基于椭圆曲线加密（ECC）的设备将与新开发的抗量子设备共同在同一个医疗生态系统中运行。然而，在诸如重症监护室（ICU）监测等关键生命体征监测场景中，边缘智能领域的协作存在重要的互操作性挑战。本文介绍了HybridTrust，这是一个基于设备的联邦式TinyML框架，旨在实现后量子密码迁移期间传统设备、后量子设备和混合式IoMT设备之间的安全协作。与可穿戴式IoMT系统不同，HybridTrust主要针对由市电供电的ICU监测设备，这些设备可以在不严格限制电池使用的情况下优先考虑加密灵活性、临床准确性和安全性。HybridTrust的创新之处在于其灵活的加密机制和以部署为导向的设计，而非提出新的机器学习算法。该框架集成了一种动态的加密协商协议，能够在ECC、ML-KEM-512以及混合ECC-ML-KEM操作中选择最强大的相互支持的加密方案；一种适用于ESP32类微控制器的紧凑型931字节混合证书格式；一个将加密选择与HIPAA、GDPR、FDA和NIST标准相对应的合规性评估体系；以及一种基于树状连接的数据融合策略，以在非独立同分布（non-IID）的医院数据环境下保持临床数据的有效性。HybridTrust通过在OMNeT++环境中分布的五个模拟医院中的临床验证合成ICU数据集进行了评估，结果显示其平均异常检测准确率为90.5%，同时每次操作仅引入0.09–0.43毫秒的量子安全加密开销。这些结果表明，可以在不带来过高延迟或部署负担的情况下，同时实现安全的后量子过渡、传统设备的互操作性以及实时的ICU监测功能。因此，HybridTrust为在重症监护环境中部署向后兼容、具有灵活加密机制且具备抗量子能力的IoMT系统提供了一条实用路径。