基于联邦学习的去中心化自适应智能传输协议：面向隐私保护的6G网络
密码学与安全
2025-12-25 v1 人工智能
摘要
6代无线网络（6G）的发展带来了隐私性、可扩展性和适应性等新挑战。数据密集型的6G难以由旧有的集中式网络模型良好处理。因此，需要向更安全和去中心化的系统转变。提出一种新框架，即基于联邦学习的去中心化自适应智能传输协议（AITP），以应对这些挑战。AITP在去中心化系统中运用联邦学习（FL）的分布式学习技术。可实时智能调整传输参数，保持用户隐私，使原始数据存储在本地边缘设备上。通过数学建模和详细仿真评估了该协议的性能。结果表明，与传统非自适应和集中式AI方法相比，AITP在多个关键指标上均表现出优势，包括延迟、网络吞吐量、能源效率和鲁棒性。AITP被提出为未来6G网络的基础技术，支持以用户为中心、隐私优先的设计。该研究是6G隐私保护研究的一步进步。
引用
@article{arxiv.2512.18432,
title = {Federated Learning Based Decentralized Adaptive Intelligent Transmission Protocol for Privacy Preserving 6G Networks},
author = {Ansar Ahmed},
journal= {arXiv preprint arXiv:2512.18432},
year = {2025}
}