面向6G网络的基于混合专家模型的可信语义通信

语义通信在6G网络中扮演着关键角色，为未来高效通信提供了可行方案。基于深度学习的语义编解码器进一步提升了这种效率。然而，深度学习模型在面对对抗攻击等安全威胁时的脆弱性，给语义通信系统的实际应用带来了重大挑战。这些漏洞使得攻击者能够篡改消息并窃听隐私信息，尤其是在无线通信场景中。尽管现有防御措施试图应对特定威胁，但它们往往无法同时处理多种异构攻击。为克服这一局限，我们引入了一种新颖的基于混合专家模型的语义通信系统。该系统由一个门控网络和多个专家组成，每个专家专门应对不同的安全挑战。门控网络根据用户定义的安全需求，自适应地选择合适的专家来对抗异构攻击。多个专家协作完成语义通信任务，同时满足用户的安全需求。在车载网络中的案例研究证明了基于混合专家模型的语义通信系统的有效性。仿真结果表明，所提出的基于混合专家模型的语义通信系统能有效缓解并发的异构攻击，且对下游任务准确率的影响极小。