?背景介紹

6G 技術(shù)簡介

隨著 5G 網(wǎng)絡(luò)預(yù)期的數(shù)字化轉(zhuǎn)型的發(fā)展，6G 通信時代設(shè)想了2030 年后人類將如何與數(shù)字虛擬世界互動，以應(yīng)對2030 年后的通信和網(wǎng)絡(luò)挑戰(zhàn)。雖然傳統(tǒng)應(yīng)用（如多媒體流媒體）仍將存在，但文章設(shè)想了6G 系統(tǒng)的新應(yīng)用領(lǐng)域，如多傳感器擴展現(xiàn)實（XR）應(yīng)用、連接機器人和自主系統(tǒng)（CRAS）和無線腦機交互（BCI）[1]。全息遠程呈現(xiàn)、eHealth（包括體內(nèi)網(wǎng)絡(luò)）是需要極高數(shù)據(jù)速率、超低延遲和超可靠性的其他 6G 用例[2]。

6G 將無線網(wǎng)絡(luò)從連接的事物革命為“連接的智能”[1]，[2]。因此，人工智能成為網(wǎng)絡(luò)不可或缺的一部分。分布式異構(gòu)網(wǎng)絡(luò)需要無處不在的人工智能服務(wù)，以確保實現(xiàn) 6G 目標。智能無線通信、網(wǎng)絡(luò)閉環(huán)優(yōu)化、6G 大數(shù)據(jù)分析強調(diào)在 6G 網(wǎng)絡(luò)的各個方面使用人工智能。

2030 年以后，無線應(yīng)用將需要更高的數(shù)據(jù)速率（高達 1 Tb/s）、極低的端到端延遲（<1ms）、極高的端對端可靠性（99.99999%）[1]，[2]。此外，6G 網(wǎng)絡(luò)將包括嵌入互聯(lián)智能的異構(gòu)密集網(wǎng)絡(luò)集合，并利用超連接云化。針對復雜 6G 網(wǎng)絡(luò)的極端需求提供服務(wù)需要復雜的安全機制。應(yīng)進一步改進使用 SDN 和 NFV 概念為 5G 設(shè)計的安全系統(tǒng)，以滿足 6G 的安全需求[5]。未來網(wǎng)絡(luò)的端到端自動化需要6G 實現(xiàn)主動發(fā)現(xiàn)威脅、智能緩解技術(shù)和自我維持網(wǎng)絡(luò)。因此，利用 AI 技術(shù)的端到端安全設(shè)計對于基于網(wǎng)絡(luò)異常而非加密方法自主識別和響應(yīng)潛在威脅至關(guān)重要。本文討論了人工智能在安全中的作用。

對于 6G 安全的威脅

本節(jié)還討論了 6G 中使用的架構(gòu)變化和新技術(shù)帶來的安全問題。圖 1 說明了對 6G 體系結(jié)構(gòu)不同層的可能攻擊，概述了本文如何呈現(xiàn) 6G 的安全威脅圖景。

圖 1 智能 6G 架構(gòu)[6]以及 6G 安全和隱私問題

5G 中的網(wǎng)絡(luò)軟件化技術(shù)，如軟件定義網(wǎng)絡(luò)（SDN）、網(wǎng)絡(luò)功能虛擬化（NFV）、多址邊緣計算（MEC）和網(wǎng)絡(luò)切片仍然適用于6G 系統(tǒng)；因此，他們的安全問題仍然存在于 6G 中。SDN 相關(guān)的突出安全問題是對 SDN 控制器的攻擊、對北向和南向接口的攻擊、用于部署 SDN 控制器/應(yīng)用程序的平臺的固有漏洞[7]。NFV 相關(guān)的安全問題是針對虛擬機（VM）、虛擬網(wǎng)絡(luò)功能（VNF）、管理程序、VNF 管理器和 NFV 協(xié)調(diào)器的攻擊[8]。由于 6G 系統(tǒng)的大規(guī)模分布式性質(zhì)，6G 中的 MEC 受到物理安全威脅、分布式拒絕服務(wù)（DDoS）和中間人攻擊。網(wǎng)絡(luò)切片的潛在攻擊是 DoS 攻擊，通過受損切片竊取信息。對網(wǎng)絡(luò)軟件化技術(shù)的攻擊使 6G 網(wǎng)絡(luò)無法實現(xiàn)承諾的動態(tài)性和完全自動化。

6G 設(shè)想實現(xiàn)萬物互聯(lián)（IOE），這是一個由數(shù)十億個異構(gòu)設(shè)備組成的集合。依賴 SIM 卡的基本設(shè)備安全模型并不是 6G 中 IOE 的實際部署，尤其是對于小尺寸設(shè)備，如體內(nèi)傳感器。在如此龐大的網(wǎng)絡(luò)中，密鑰分發(fā)和管理功能效率很低。資源受限的物聯(lián)網(wǎng)設(shè)備無法提供復雜的密碼來維護強大的安全，使其成為攻擊者的主要目標。這些設(shè)備可能被破壞，并可能被用于發(fā)起攻擊。超連接的 IOE 為 6G 應(yīng)用程序提供數(shù)據(jù)收集帶來了隱私問題。利用資源受限的物聯(lián)網(wǎng)設(shè)備進行數(shù)據(jù)盜竊將影響數(shù)據(jù)隱私、位置隱私和身份隱私。

現(xiàn)有5G 網(wǎng)絡(luò)部署通常為行業(yè)、醫(yī)療保健、教育等垂直行業(yè)提供服務(wù)。6G 通過允許更小的網(wǎng)絡(luò)（如體內(nèi)網(wǎng)絡(luò)、成群的無人機、電池壽命更長的環(huán)境傳感器網(wǎng)絡(luò)）進一步擴展了這一概念[4]。這些本地網(wǎng)絡(luò)作為獨立網(wǎng)絡(luò)運行，并在需要時與廣域連接互通。與定義明確的本地 5G 網(wǎng)絡(luò)不同，許多利益相關(guān)者實施具有不同嵌入式安全級別的本地 6G 網(wǎng)絡(luò)。具有最低安全性的本地 6G 網(wǎng)絡(luò)為入侵者提供了發(fā)起攻擊的機會。然后滲透到信任受損網(wǎng)絡(luò)的網(wǎng)絡(luò)中。

6G 架構(gòu)的安全性

6G 中更密集的蜂窩部署、網(wǎng)狀網(wǎng)絡(luò)、多連接和設(shè)備到設(shè)備（D2D）通信將成為常態(tài)。惡意方更有可能利用更脆弱的設(shè)備攻擊分布式網(wǎng)絡(luò)，每個設(shè)備都具有網(wǎng)狀連接，從而增加威脅面。子網(wǎng)絡(luò)的定義需要改變安全策略。廣域網(wǎng)為每個子網(wǎng)內(nèi)的大量設(shè)備提供安全性是遠遠不切實際的。在6G 中，區(qū)分子網(wǎng)級通信安全和子網(wǎng)到廣域網(wǎng)安全的分級安全機制將是更好的方法。6G 網(wǎng)絡(luò)將與零接觸網(wǎng)絡(luò)和服務(wù)管理（ZSM）架構(gòu)等框架共存，以縮短服務(wù)上市時間、降低運營成本并減少人為錯誤。配備自我學習功能的全自動化使攻擊在閉環(huán)中傳播，數(shù)據(jù)隱私保護也極具挑戰(zhàn)性，這是因為在零接觸網(wǎng)絡(luò)中，需要自動化和較少的人工干預(yù)。

6G 技術(shù)的安全性

6G 依靠人工智能實現(xiàn)完全自主的網(wǎng)絡(luò)。因此，對 AI 系統(tǒng)，特別是機器學習（ML）系統(tǒng)的攻擊將影響 6G。中毒攻擊、數(shù)據(jù)注入、數(shù)據(jù)操縱、邏輯破壞、模型逃避、模型反轉(zhuǎn)、模型提取和成員推斷攻擊是針對 ML 系統(tǒng)的潛在安全威脅。更多功能的集合使 AI 系統(tǒng)的性能更好。對收集的數(shù)據(jù)的攻擊，以及對私人數(shù)據(jù)的無意使用，都會導致隱私問題，因為用戶通?？床坏綌?shù)據(jù)處理。區(qū)塊鏈也是釋放 6G 系統(tǒng)潛力的關(guān)鍵技術(shù)。區(qū)塊鏈適用于大規(guī)模分布式 6G 網(wǎng)絡(luò)中的分散資源管理、頻譜共享和服務(wù)管理。51%的攻擊在量子計算機上是可行的，以破壞區(qū)塊鏈的穩(wěn)定。由于區(qū)塊鏈網(wǎng)絡(luò)公開存儲數(shù)據(jù)，隱私保護具有挑戰(zhàn)性。當前的 5G 標準不涉及量子計算帶來的安全問題；相反，它依賴于傳統(tǒng)密碼學，如橢圓曲線密碼（ECC）。由于 6G 時代標志著量子計算機的出現(xiàn)，目前基于非對稱密鑰加密的安全機制很容易受到基于量子計算機的攻擊。因此，如果沒有量子安全密碼算法的設(shè)計，利用非對稱密鑰加密技術(shù)實現(xiàn)的安全 5G 通信可能不再適用于后量子安全。

AI 對 6G 安全的重要作用

使用 AI 緩解 6G 架構(gòu)的安全問題

與目前集中的基于云的人工智能系統(tǒng)相比，6G 將主要依靠邊緣智能。分布式性質(zhì)使得能夠在大規(guī)模設(shè)備和數(shù)據(jù)系統(tǒng)中執(zhí)行基于邊緣的聯(lián)合學習以實現(xiàn)網(wǎng)絡(luò)安全，確保通信效率。6G 架構(gòu)設(shè)想了互聯(lián)智能，并在網(wǎng)絡(luò)層次結(jié)構(gòu)的不同級別使用 AI。微小細胞級別的 AI 有可能在最低級別阻止云服務(wù)器上的 DoS 攻擊。網(wǎng)狀網(wǎng)絡(luò)中設(shè)備的多連通性允許多個基站使用AI 分類算法評估設(shè)備的行為，并使用加權(quán)平均方案共同決定真實性?；谛袨榈姆椒p少了由于微小小區(qū)和多址技術(shù)導致頻繁切換而導致的頻繁密鑰交換的開銷。依據(jù)聯(lián)邦學習，子網(wǎng)級和廣域網(wǎng)級可以有不同級別的授權(quán)。只有在需要外部通信時，才能在外部共享在子網(wǎng)絡(luò)級別內(nèi)獲得的信任分數(shù)。基于學習的入侵檢測方法，可能是防止 CPMS 和 UPMS 攻擊的良好候選方法，因為邊緣已經(jīng)擁有智能服務(wù)提供的數(shù)據(jù)。ZSM 等框架配備了領(lǐng)域分析和領(lǐng)域智能服務(wù)，用于網(wǎng)絡(luò)的零接觸管理，主要基于人工智能。AI 模型評估、API 安全 AI 引擎是增強ZSM 參考架構(gòu)安全性的關(guān)鍵安全功能組件。

使用 AI 緩解 6G 技術(shù)的安全問題

使用 AI 的預(yù)測分析可以在攻擊發(fā)生之前進行預(yù)判，例如 51%的區(qū)塊鏈攻擊。

量子計算機可能威脅到非對稱密鑰加密。然而，它們同樣可以為 AI/ML 算法提供指數(shù)級的速度，以更快地執(zhí)行任務(wù)并實現(xiàn)以前不可能的任務(wù)。因此，用于網(wǎng)絡(luò)安全的量子機器學習是抵御基于量子計算機的攻擊的潛在防御技術(shù)?；趶娀瘜W習（RL）的智能波束形成技術(shù)提供了針對 VLC 系統(tǒng)中竊聽器攻擊的最佳波束形成策略。干擾類似于 DoS 攻擊。因此，配備 AI 的基于異常的檢測系統(tǒng)是檢測干擾攻擊的可能解決方案?；?AI 的認證和授權(quán)系統(tǒng)也適用于防止節(jié)點泄露攻擊。

 將 AI 用于 6G 隱私保護

6G 中具有微型蜂窩的多連接網(wǎng)狀網(wǎng)絡(luò)允許設(shè)備通過多個基站同時通信?；谶吘壍?ML 模型可用于隱私保護路由的動態(tài)檢測，對設(shè)備進行排名，并允許設(shè)備基于排名通過隱私保護路由傳輸數(shù)據(jù)。與基于云的集中學習相比，聯(lián)邦學習將數(shù)據(jù)保持在用戶附近，以增強數(shù)據(jù)隱私和位置隱私。6G 子網(wǎng)絡(luò)級 AI 允許在子網(wǎng)絡(luò)內(nèi)保護隱私，并僅共享外部學習到的信息，以將隱私風險降至最低。將數(shù)據(jù)限制在網(wǎng)絡(luò)內(nèi)適用于體內(nèi)網(wǎng)絡(luò)等應(yīng)用。隨著 6G 中的大量應(yīng)用程序以及為智能模型提供數(shù)據(jù)的大量收集，用戶會在不同的應(yīng)用程序上選擇不同的隱私級別?；?AI 的面向服務(wù)的隱私保護策略更新是支持全自動化 6G 網(wǎng)絡(luò)的潛在解決方案。

參考文獻

[1] W.Saad, M.Bennis, and M.Chen, “ A Vision of 6G Wireless Systems: Applications, Trends, Technologies, and Open Research Problems, ” IEEE Network, vol. 34, no. 3, pp. 134–142, 2019

[2] C. de Alwis, A. Kalla, Q. V. Pham, P. Kumar, K. Dev, W. J. Hwang, and M. Liyanage, “ Survey on 6G Frontiers: Trends, Applications, Requirements, Technologies and Future Research”IEEE Open Journal of the Communications Society, pp. 1–1, 2021.

[3]J. Lin , W. Yu , N. Zhang , X. Yang , H. Zhang , W. Zhao , A survey on internet of things: architecture, enabling technologies, security and privacy, and applications, IEEE Internet Things J. 4 (5) (2017) 1 125–1 142 .

[4]T. Shinzaki , I. Morikawa , Y. Yamaoka , Y. Sakemi , IoT security for utilization of big data: Mutual authentication technology and anonymization technology for positional data, Fujitsu Sci. Tech. J. 52 (4) (2016) 52–60 .

[5]M. Ylianttila, R. Kantola, A. Gurtov, L. Mucchi, I. Oppermann, Z. Yan, T. H. Nguyen, F. Liu, T. Hewa, M. Liyanage et al., “ 6G White Paper: Research Challenges for Trust, Security and Privacy,” arXiv preprint arXiv:2004.11665, 2020.

[6]K. B. Letaief, W. Chen, Y. Shi, J. Zhang, and Y.-J. A. Zhang, “The Roadmap to 6G: AI Empowered Wireless Networks,” IEEE Communi cations Magazine, vol. 57, no. 8, pp. 84–90, 2019.

[7]I. Ahmad, T. Kumar, M. Liyanage, J. Okwuibe, M. Ylianttila, and A. Gurtov, “Overview of 5G Security Challenges and Solutions,” IEEE Communications Standards Magazine, vol. 2, no. 1, pp. 36–43, 2018.

[8]R. Khan, P. Kumar, D. N. K. Jayakody, and M. Liyanage, “A survey on security and privacy of 5g technologies: Potential solutions, recent advancements, and future directions,” IEEE Communications Surveys & Tutorials, vol. 22, no. 1, pp.196–248, 2019.