基于内生人工智能(AI,artificial intelligence)在大规模复杂异构网络中实现万物智联是6G的重要特征之一。联邦学习(FL,federated learning)因其数据处理本地化这一特有的机器学习架构,被认为是在6G场景中实现分布式泛在智联的重要途径,已成为6G的重要研究方向。为此,首先分析了在未来6G,特别是物联网(IoT,internet of things)场景中引入分布式AI的必要性,以此为基础论述了FL在满足相关6G指标要求的潜力,并从架构设计、资源利用、数据传输、隐私保护、服务提供角度综述了FL如何赋能6G网络,最后给出了FL赋能6G研究存在的一些关键挑战和未来有价值的研究方向。
为解决高速铁路旅客服务系统(简称:旅服系统)业务终端设备数量多且统一安全接入管理权限复杂、零信任访问控制手段不足,以及传统软件定义边界(SDP,Software Defined Perimeter)零信任架构在实际应用中存在单点故障等问题,设计一种DSDP(D...
详细信息
为解决高速铁路旅客服务系统(简称:旅服系统)业务终端设备数量多且统一安全接入管理权限复杂、零信任访问控制手段不足,以及传统软件定义边界(SDP,Software Defined Perimeter)零信任架构在实际应用中存在单点故障等问题,设计一种DSDP(Dual-identity SDP)零信任架构,用以改造旅服系统主数据中心(简称:主数据中心)和铁路局集团公司服务器集群架构,保障其代管的车站业务终端设备接入的安全性;提出基于同态加密技术的双重认证流程算法,用以实现DSDP零信任架构下,主数据中心和铁路局集团公司SDP控制模块双向互认功能。实验结果表明:DSDP零信任架构可有效对抗劫持风险;在多用户的情况下,可保障旅服系统响应时间在合理范围内;具有可用性,可为旅服系统终端设备的统一接入与不同权限要求的零信任身份认证提供技术手段。
暂无评论