原始来源日期:2026-05-07。本文为研发价值回顾,不代表该资料于今日首次发布。
原文编译
研究把后量子部署放进6G的云核心、边缘节点和受限物联网设备,而不是只测算法微基准。实验使用OpenSSL与OQS Provider,对ML-KEM、ML-DSA、Falcon、传统曲线算法及其混合组合进行比较,并在Intel Core i7工作站和Raspberry Pi 4两类设备上运行。
在密钥生成测试中,论文称现代i7上的部分ML-KEM参数集可以接近X25519;在树莓派上,X25519仍保持明显优势。作者据此强调,PQC是否“够快”依赖处理器优化、参数集和实现,不能用桌面平台的单一数字替代边缘设备评估。密文和签名尺寸也会直接影响内存与链路负载。
第二阶段使用openssl s_time测量TLS 1.3每秒完成连接数。两类平台上传统Ed25519、Ed448配置总体领先;ML-DSA与Falcon的握手吞吐低于传统签名,但又普遍高于把经典与后量子组件都带入的混合配置。作者把额外计算、证书与握手消息扩张共同视为性能来源。
论文的实验是受控环境中的实现比较,并未覆盖真实无线丢包、运营商中间盒、分片重传、证书链长度或能耗测量。它展示的是趋势和测试方法,而不是所有6G网络的容量结论。版本、编译选项和算法实现变化也会影响复现结果。
量仔观察
本站判断,研发团队最应复用的是“从微基准走到协议握手”的分层方法。先确认算法耗时,再把证书链、MTU、重传和并发纳入端到端测试,才能知道瓶颈究竟在CPU、内存还是报文尺寸。
面向受限设备时,不宜只追求最低单次耗时。升级能力、硬件加速、峰值内存、失败重试和无线链路成本常常决定总体可用性。论文结果适合作为测试假设,最终参数选择仍要以自有设备和网络剖面为准。
