非地面网络与学习辅助的通信控制以及信息物理集成系统的结合创造了新的广域连接系统(Chen等人,2024b;Sefati和Halunga,2023;Wang等人,2023;Xiao等人,2024)。SAGIN通过结合卫星和空中组件,在连接受限的区域创建通信路径,确保在基础设施故障期间的网络连续性(Awan等人,2026;Buyuksar等人,2024;Xu等人,2023b)。工业物联网(IIoT)系统的部署带来了大量的传感器、执行器和控制器,这些设备需要在特定的条件下运行,包括受限的延迟周期、可靠的数据传输速率和系统的持续可访问性(Liu等人,2025;Wang等人,2023)。SAGIN系统与IIoT技术结合使用,允许远程工业站点和移动操作独立于标准覆盖和部署要求进行运作(Awan等人,2026;Shen等人,2023)。该系统面临多种复杂的控制和安全挑战,因为其联合操作包括处理基于传播延迟变化的不同时间同步要求,以及处理不同网络层之间的移动网络拓扑变化和频谱使用冲突,并确保通过具有不同性能水平的链接进行安全系统操作(Chen等人,2025;Ding等人,2025;Tu等人,2024;Zhang等人,2024a)。
SAGIN支持的IIoT的安全性受到跨层互连产生的攻击面以及地面边缘有限的计算和能量预算的限制(Al-Quayed等人,2025;Awan等人,2022;Zhang等人,2025)。由于多跳路由和网络中断同时发生,认证系统和密钥管理系统更容易受到攻击(Jin等人,2025)。不同的网络层延迟水平使攻击者能够执行同步攻击,因为验证延迟和安全策略不一致会导致系统弱点(Cao等人,2025;Zhang等人,2024c)。这项研究探讨了两种互连需求,即结合分布式入侵检测系统和跨层监控能力,并在实时和节能操作条件下保持系统层间交换数据的保密性(Awan等人,2022;Poongodi和Hamdi,2023)。目标是在无人机中继操作和卫星通信支持的情况下,创建一个安全设计系统,该系统能够检测协调攻击并保护敏感数据(Awan, Cengiz, Alrashdi, Abdelhaq, Uddin, Alsufyani, Alsaqour, Iwendi,2025;Awan, Uddin, Althobaiti, Alaidaros, Alsalman, Farouk,2026)。
在移动性、间歇性连接和受限的边缘资源条件下,SAGIN-IIoT的运行需要有效的安全功能(Awan等人,2025;Bakambekova等人,2024;Sisi和Souri,2024)。当遥测和命令流直接影响物理过程(包括精准农业、自主物流和分布式能源基础设施)时,需要可靠且低延迟的安全控制(Ding等人,2025;Yang等人,2026;Zhao等人,2025)。现有的许多物联网和SAGIN安全设计假设集中式检查、持续的回程可用性或加密堆栈,其计算和信号开销与资源有限的现场部署不匹配(Jin等人,2025;Yang等人,2026;Zhao等人,2025)。因此,当前架构在网络组成因无人机移动性、层间切换或传感器更替而变化时,往往无法满足可用性和自主操作要求(Awan等人,2026;Xie等人,2025;Zhang等人,2024b;Zhou等人,2023)。本研究旨在实现一种分层对齐、能量受限的安全设计,提供实时入侵检测,在层间交换过程中保持保密性,并适应拓扑变化,而无需持续连接(Awan等人,2025;Xie等人,2025;Zhang等人,2024b;Zhou等人,2023)。
分层安全隐私-SAGIN实时(HSP-SR)通过映射到SAGIN物理层的三层检测和响应设计实现了这一目标。在地面层,轻量级异常检测器使用紧凑的特征表示在受限的IIoT节点上执行事件触发的推理,以减少计算和上行负载。在空中层,通过基于注意力的融合模型进行区域聚合,根据源信任度和不确定性以及时间新鲜度为警报分配权重,以消除不重要的报告,同时保持重要的跨节点模式。在空间/控制层,包含一个基于图的入侵推理模块,该模块使用时变图显示SAGIN连接性,并执行拓扑感知推理以检测在不同层之间传播的协调攻击。系统通过非对称会话初始化保持层间保密性,使用临时密钥的对称加密保护警报有效载荷,适用于短暂的通信周期。强化学习代理通过优化过程选择缓解决策,该过程根据威胁和延迟以及能量约束来确定响应动作,以最小化误报并在自适应防御执行期间最小化中断。本研究的主要技术贡献总结如下:
- 1.
SAGIN的物理结构采用了分层入侵检测系统,该系统遵循其组织层次。地面层在资源稀缺时检测局部异常,而空中层整合和净化警报信息,空间层执行图推理以识别在不同域之间移动的攻击。分层分解系统控制边缘计算资源,同时保持整个系统的完整情境意识。
- 2.
空中层使用警报融合系统,通过结合信任值、不确定性测量和时间新鲜度信息来确定警报权重。该系统减少了不必要的数据传输,同时削弱了不可信的信号,从而在检测精度和系统运行速度方面取得了可量化的更好结果。
- 3.
深度Q网络在马尔可夫决策过程中运行,创建了一个自适应缓解框架。策略通过奖励函数确定其响应动作,该函数结合了威胁严重性评估、延迟开销和能量消耗,根据当前网络条件做出防御选择。
本文的结构可以总结如下:第2节提供了与SAGIN支持的IIoT环境相关的基础技术和最新发展的深入回顾。第3节介绍了提出的多层HSP-SR框架,详细说明了每个组件的功能逻辑和设计考虑。第4节概述了仿真设置和关键评估指标。第5节对观察到的趋势和影响进行了反思性讨论。最后,第6节总结了本文。