TACSTechnology and Application of Computer Science2998-89262998-8934Art and Technology10.61369/TACS.2026060036Articlehttps://artdesignp.com/journal/TACS/3/6/10.61369/TACS.2026060036欧阳毅2026362026-03-28边缘智能 (Edge Intelligence,EI) 节点在算力、内存与电池预算上同时受限 , 致使密码原语选型与运行时性能指标长期错配。针对文献 [1] 提出的 ALO-DHT 方案在密钥协商、对称加密与异常检测三段链路上常数项开销偏重的问题 , 本文保留其顶层数据流 , 从四个方向进行替换性重构 : 以 Curve25519椭圆曲线 Diffie-Hellman(ECDH,RFC 7748[10]) 取代素数域 DH; 以 ChaCha20-Poly1305 AEAD(RFC 8439[5]) 取代 Twofish, 二者经 OpenSSL libcrypto 部署 ; 自编码器加深至5层并融合孤立森林 ( 权重0.7/0.3); 蚁狮优化 (ALO) 适应度改为强度、速度与原根有效性的三项加权和。仿真在 Apollo4 Plus 级 MCU 功耗模型下进行 ( 密码运算功率保守取1.0 mW), 载荷为100万条9维医疗记录 ( 约72 MB)。实测端到端0.108 ± 0.003 s、时延0.054 ± 0.001 s、能耗0.108 ± 0.003 mJ, 安全性与机密性分别达99.71% 与99%。边缘智能, Curve25519, ChaCha20-Poly1305 AEAD, 蚁狮优化, 孤立森林, 混合异常检测