面向多供应商6G网络的混合负责AI-随机方法以实现SLA合规
网络与互联网体系结构
2026-02-11 v1 人工智能
机器学习
摘要
AI与6G网络自动化的融合引入了在多供应商管理系统中维持透明性、公平性和问责性的新挑战。虽然闭环AI编排可提升适应性和自优化能力，但也产生了责任真空——SLA违规无法归因于具体代理人或供应商。本文提出一种混合负责AI-随机学习框架，将公平性、鲁棒性和可审计性内嵌于网络控制回路中。该框架将RAI游戏与随机优化集成，实现跨异构供应商域的动态对抗性重加权和概率探索。RAI审计持续记录AI驱动的决策轨迹，生成双重问责报告：用户层面的SLA概览与运营者层面的责任分析。实验在合成两类多群组数据集上进行，结果表明该混合模型在最差群体准确率上提升了最高10.5%。具体而言，混合RAI实现了WGAcc为60.5%，AvgAcc为72.7%，优于传统RAI-GA(50.0%)和ERM(21.5%)。审计机制成功地将99%模拟的SLA违规追溯到负责的AI实体，生成供应商和代理层面的问责指数。这些结果确认，所提混合方法提升了公平性和鲁棒性，并为自主SLA保障在多供应商6G网络中建立具体问责框架。
引用
@article{arxiv.2602.09841,
title = {Hybrid Responsible AI-Stochastic Approach for SLA Compliance in Multivendor 6G Networks},
author = {Emanuel Figetakis and Ahmed Refaey Hussein},
journal= {arXiv preprint arXiv:2602.09841},
year = {2026}
}
备注
6 pages, 4 figures