6G摘 一 二 三 四 五 參考文 縮略 一、6G內生感知和智能將是6G網絡的兩大主要新增能力，前者產生海量數據，后者基于數據進行功，其在無線網絡中的應用也日趨成熟。隨著通信和感知的融合，感知作為6G內生能力通過感數據被認為是數字化社會的“新石油”，是驅動社會進步的新動力。但如何”開采”和”提煉”以挖掘和實現其價值，是6G網絡面臨的挑戰。特別是在數據安全和隱私保護意識增強的當6G5G6G據驅動的自動決策，因此6G數據服務會以“自生長”為特征，通過分布式協同、可信開放等技AI訓練提供數據，通過AI算法等提升數據的認知能力并創造新價值，同時借助隱私計算等關鍵技網絡的基本功能正在從信息傳遞的管道向數據管控的平臺轉變。傳統網絡架構圍繞業務為中心設計，數據跟隨業務形成數據孤島。同時集中的算力和存儲資源的部署，數據往往被集中到中心節點或中心云進行處理。隨著算力和存儲資源的成本降低，以及大量低時延業務和局域應用的出現，算力和存儲，以及依賴于兩者的算法趨向于在靠近數據源的網絡邊緣部署，從而形成以數據為中心設計的網絡。同時由于通信感知融合，終端和傳感器無處不在，網絡自身也成為海量數IIDC202555775%為IoT202573.1ZB。隨著智能連接設備的普及，連接智能場景將達、聲納、雷達、GPS4TBstatista2025181ZB20301YB，相2020236G網絡AI，以及內生感知等網絡能力，目前的對數量總量的預DataDatavolumein1全球產生和消費的數據總量-數據來源（statista數據協作完成。6G網絡內生AI作為下一代無線網絡提供多樣化智能應用的使能，需要在區域、跨域、整網范圍大量的數據協作、共享和處理。在6G時代，海量終端將產生大量且多樣的數據，但隨著算力的泛在化，分布式計算和機器學習日漸普及，同時基于隱私保護或法律法規的要求，調整，無法實現從各類網絡問題現象到解決方案的端到端解決方案。網絡是個復雜系統，而6G網絡前所未有的組網規模和復雜度，導致數據驅動智能應對6G網絡隨需而變的需求面臨挑戰，需要從數據驅動向數據與知識雙驅動的智能模式轉變。這就需要6G網絡智能層既能吸收和掌握現有，6G將數據轉化為知識，有助于6G網絡如同人腦一樣，具備認知能力，能夠“會思考”，進行自學習、自優化。通過知識圖譜、知識庫、符合規則等對知識進行表示和存儲，能夠將6G網絡中海量的數據、復雜的連接進行有效的加工、處理、整合，實現知識的快速響應和推理，使6G網絡的知變現。對網絡AI而言，基于大量訓練數據訓練好的AI模型，其本身也是需要保護的一種重要的知6G6G6GAI–TDaaS(TrustedDataasaService)二、6GAI模型進行訓練或推理。網絡和業務提供者的數據變現需求：未來6G網絡將會產生海量且多樣的數據，例如網絡運營數據、AI數據、用戶簽約數據、IoT/感知數據等。一方面，6G網絡將充分利用數據“金數據使用者對數據的可信度和可用性需求：6G網絡產生的數據可提供給運營商的垂直行業或其他用戶，以協助這些用戶對其依賴于6G網絡的端到端服務進行優化；也可提供給其他行素。法律和監管的需求：近年來，世界各地出臺了一系列數據和隱私保護的法規，例如歐盟的DPR、中華人民共和國個人信息保護法等。設備商、解決方案提供商需要面對越來越多的法規要求。在未來6G網絡中，網絡AI的內生智能作為不同于當前5G網絡的新特性需要海量真實可信當6G網絡服務從通信擴展至感知和智能時，6G網絡中將會存在不同維度的異構數據集，了大量的關注和研究，其最終目的是要通過數據的服務和應用轉化為正向價值。盡管5G網絡中數據處理需要保證數據的質量，這是數據分析應用的基礎，獲取數據價值的重要保障。數據46G于異構的層級結構、復雜多樣的接入設備都會對數據質量帶來重大挑戰，如無線網絡中的數據存在缺失、污染的情形（），使得數據清洗較為困難；網多項研究表明未來6G網絡中的需要存儲的數據量將會非常巨大。通信網絡下，連接的終端數據存儲由核心向邊緣轉變，分布式地存儲在云、邊、端各節點，并且需要支持非結構化、隨著網絡從集中式部署走向分布式部署，數據不再集中在網絡單一節點內。為了支持智能的理。網絡AI6G網絡新的架構特點，增大了用戶隱私數據暴露的可能。當前網絡采用的是集中式的信任模式在目前數據歸屬權使用權尚不完全明確的情況下，業務提供者掌握著用戶的所有數據，所以6G6G網絡下的智能感知等特性可能無法采用這類技術。AI基于AI技術來預測數據隱私泄露的風險，增強隱私保護的決策經驗；基于AI技術對包含隱私信息的數據特征進行分類和判別，并針對特定數據特征進行特殊隱私保護；或基于AI可解釋性，這種不透明性問題，有時又被稱為深度學習的黑盒（“Blackbox”）問題。隨著機6G三、6G定義：6G6G分類AI，6G6G等不同維度，6GAI無線信道和物理環境數據，包括定位，成像數據；以及物聯網傳感器感知的數據。AI數據是AIIoTAIAI6G5G，6G6GAI合企業和工業標準，兼顧數據共享和安全。6G數據服務旨在高效支持端到端的數據采集、傳6G6G考慮6GA四、6G6G6G務的現狀，創新性地設計歸一化的6G數據服務框架，以順應6G數據管理和利用的趨勢，及全6G通過知識圖譜、網絡AI一方面，通過將所形成的業務關聯知識逐步沉淀到知識圖譜、網絡AI3GPPTS23.288（NWDAF）（DCCF），消息框架適配功能（ＭFAF）；3GPPTS28.104TS28.537、TS28.622上述數據服務框架已經不能完全滿足6G時代的海量數據分析處理可信等要求。通過設計原則的轉變，借助多層級的數據去隱私和安全保護技術，6G6G數據服務框架如圖2所示。通過對現有單點技術的增強和優化，以及引入新的創新數據保護技術，基于去中心化的可信機制，按需調用數據保護技術，為網絡AI據服務。同時基于數據和知識雙驅動的智能分析，通過數據的知識化，賦能智能應用。隨著6G基礎設施層。6GIoTAI數據保護技術。區別于傳統移動網絡中集中式的認證授權和粗粒度的訪問控制方法，6G網效性認證，避免惡意用戶和設備接入網絡發動各類安全攻擊，例如女巫攻擊、偽裝攻擊、外I到單點攻擊、證書管理成本高昂、可擴展性等方面的問題而無法被廣泛應用于6G網絡中針對海量、多維、異構、移動的設備節點和實體用戶的身份認證。通過將區塊鏈技術和密碼學方案相結合，基于6G網絡的分布式協同架構構建去中心化的輕量級的安全身份認e實現身份的不可篡改和防止否認，基于非對稱加密和簽名算法實現私密狀態下的高效身份驗證。授權是完成對實體用戶和設備節點的身份認證后對其訪問數據服務網絡資源的權限進行認定的過程。授權衍生于訪問控制機制，數據所有者需要對數據和服務資源的訪問權限依據用戶類別進行分級設置，一方面旨在檢測和防止實體對數據的非授權訪問，保護數據的機密性和安全性，另一方面保障數據所有者對數據的操作權，避免第三方數據管理機構對數據的6G心化的認證授權，及訪問控制方案，通過設定主動式、多層級的訪問策略，提供數據主體對期的攻擊防范，保障數據的真實性、機密性和完整性；隱私保護旨在防止隱私數據的泄露或實現隱私狀態下的協同計算。由于現有的單點數據保護技術還存在規模使用時的種種局限，因此數據保護技術的使用需要考慮性能和成本的權衡，數據保護技術庫的目的是實現不同安全需求和隱私保護等級采用相應的技術。例如在數據提取時使用差分隱私方案；在數據使用時借助于同態加密和安全多方計算技術；而隱私計算作為保障信息安全的核心技術之一，可以為數據服務提供通用的體系化隱私解決方案，提供端到端的數據安全和隱私保護方案。借助數據保護技術庫，數據服務框架各層級，各處理環節可以按需地調用數據保護技術，形成標準的、系統性的保護。數據保護技術庫可以獨立演進，一方面優化現有數據安全和隱私保護技術，另一方面不斷引入新的安全保護技術，在網絡和計算深度融合的發展的大趨勢下，融合人工智能、大數據技術，提供包含云、邊、端在內的算力靈活調度、按需取用。基于“無感知”的新模式，逐漸貫通數據感知、傳輸、存儲、處理全鏈條各環節，實現算網的統一編排、調度、管理及運維，為數智生產力的發展提供有力支撐。為有效解決大運算量數據集中處理模式帶來的挑戰，通過“邏輯集中、物理分布”的統一云邊協同計算，滿足數據處理效率、數據共享、數據統一管理等方面的要求。基于星狀組網方式，通過多個邊緣節點實現數據的就近處理，提升數據處理的效率，分散單集群規模過大帶來的風險與維護壓力。采用組件化設計，組件之間通過微服務進行相互調用，提高組件靈活動性和擴展能力，并從數據、通信、系統等多方面進行安全的管控，確保全面的安全網絡AI。通過隱私保護處理及授權后，可由機器學習結合知識圖譜等AI工具實現數據知識AIAI計算類新業務，從而構建完善的AIaaS平臺來提供訓練和推理服務。機器學習與知識圖