可信边缘：面向软件定义工业物联网实时入侵检测的主动共识层信任计算

《IEEE Internet of Things Journal》：Trustworthy Edge: Active Consensus-Layer Trust Computation for Real-Time Intrusion Detection in Software-Defined Industrial IoT

　　工业物联网（IIoT）面临日益严峻的网络安全威胁，其根源在于庞大的攻击面和工业运营的关键性。联邦学习（FL）实现了隐私保护下的协同入侵检测，但仍然存在模型投毒漏洞，且缺乏防篡改的可审计性。区块链技术提供了去中心化和不可篡改性，然而现有的区块链与联邦学习集成方案仅将账本作为被动审计日志，由此产生了一个根本性缺口：信任评分与共识机制相互分离，使得恶意节点可以在投毒模型的同时累积声誉。本文提出了"可信边缘"（Trustworthy Edge）——一种软件定义工业物联网（SD-IIoT）架构，通过纯链（PureChain）在共识层进行主动信任计算，PureChain 是一个采用权威与关联证明（PoA2）的轻量级许可链区块链。与传统的将信任在链下计算并仅进行日志记录的方式不同，PoA2 将行为信任评分直接嵌入区块最终确认过程中，要求同时满足权威验证和关联阈值才能达成共识。这种新颖的耦合机制将区块链从被动存储转变为主动安全执行者。PoA2 在维持拜占庭容错能力的同时实现了125毫秒的共识最终性，通过异步架构分离检测延迟保持在2毫秒以下，且与区块链操作无关。该闭环架构具备动态适应能力：检测到的入侵会触发信任惩罚、聚合重新加权以及自动隔离。在四个工业物联网数据集（IoTForge、ToN-IoT、IoT-CAD、WUSTL-IIoT-2021）上的大量实验表明，基于双向长短期记忆网络（BiLSTM）的检测方法达到97.42%的准确率。在20%恶意客户端的情况下，PoA2加权聚合将准确率下降控制在2.4%以内——相比原始联邦学习（准确率下降11.3%）提升了78%。在非独立同分布（non-IID）条件下的全面评估涵盖狄利克雷分布（α = 0.1、0.3、0.5）和数量不平衡场景，显示出优雅的退化性能（准确率下降4%至8%……