6G技术背景介绍随着5G网络数字化转型的发展，6G通信时代设想2030年后人类将如何与数字虚拟世界交互，以应对后2030通信和网络挑战。虽然多媒体流媒体等传统应用仍将存在，但本文为6G系统设想了新的应用领域，例如多传感器扩展现实(XR)应用、互联机器人和自主系统(CRAS)以及无线脑机交互(BCI)[1].全息远程呈现、eHealth（包括体内网络）是其他需要极高数据速率、超低延迟和超可靠性的6G用例[2]。6G彻底改变了无线网络，从互联事物到“互联智能”[1]、[2]。因此，人工智能成为网络不可或缺的一部分。分布式异构网络需要无处不在的AI服务来保障6G目标的实现。智能无线通信、网络闭环优化、6G大数据分析，强调人工智能在6G网络各个环节的运用。2030年之后，无线应用将需要更高的数据速率（高达1Tb/s）、极低的端到端延迟（<1ms）、极高的端到端可靠性（99.99999%）[1]，[2].此外，6G网络将包括嵌入互联智能的异构密集网络集合，并利用超连接云化。满足复杂6G网络的极端需求需要复杂的安全机制。应进一步改进使用SDN和NFV概念为5G设计的安全系统，以满足6G的安全要求[5]。未来网络的端到端自动化需要6G来实现主动威胁检测、智能缓解技术和自我维持网络。因此，利用人工智能技术的端到端安全设计对于基于网络异常而非加密方法自主识别和响应潜在威胁至关重要。本文讨论了人工智能在安全中的作用。对6G安全的威胁本节还讨论了6G中使用的架构变化和新技术带来的安全问题。图1说明了对6G架构不同层的可能攻击，概述了本文如何呈现6G的安全威胁格局。图1智能6G架构[6]和6G安全和隐私问题5G网络软件化技术，如软件定义网络（SDN）、网络功能虚拟化（NFV）、多接入边缘计算（MEC）和网络切片仍处于研究阶段适用于6G系统；因此，他们的安全问题在6G中依然存在。与SDN相关的突出安全问题是对SDN控制器的攻击、对北向和南向接口的攻击、用于部署SDN控制器/应用程序的平台的固有漏洞[7]。与NFV相关的安全问题是针对虚拟机(VM)、虚拟网络功能(VNF)、管理程序、VNF管理器和NFV协调器的攻击[8]。由于6G系统的大规模分布式特性，6G中的MEC容易受到物理安全威胁、分布式拒绝服务(DDoS)和中间人攻击。对网络切片的潜在攻击是DoS攻击，其中信息通过受损的切片被盗。对网络软件技术的攻击使得6G网络无法实现承诺的动态和全自动化。6G设想万物互联(IOE)，即数十亿异构设备的集合。依赖于SIM卡的基本设备安全模型并不是6G中IOE的实际部署，尤其是对于小型设备，例如体内传感器。在如此庞大的网络中，密钥分发和管理功能效率低下。资源受限的物联网设备无法提供复杂的密码学来维持强大的安全性，从而成为攻击者的主要目标。这些设备可能会受到威胁并可能被用来发起攻击。超连接IOE为6G应用程序的数据收集提供隐私问题。使用资源受限的物联网设备窃取数据将影响数据隐私、位置隐私和身份隐私。现有的5G网络部署通常服务于工业、医疗保健、教育等垂直领域。6G进一步扩展了这一概念，允许使用更小的网络，例如体内网络、无人机群、具有更长电池寿命的环境传感器网络[4]。这些本地网络作为独立网络运行，并在需要时与广域连接互通。与定义明确的原生5G网络不同，许多利益相关者正在实施具有不同级别嵌入式安全性的原生6G网络。安全性最低的本地6G网络为入侵者发动攻击提供了机会。然后渗透到信任受到损害的网络中。6G架构的安全性密集蜂窝部署、网状网络、多重连接和设备到设备(D2D)通信将成为6G的常态。恶意方更有可能使用更易受攻击的设备攻击分布式网络，每个设备都具有网状连接，从而增加了威胁面。子网的定义需要更改安全策略。WAN为每个子网内的大量设备提供安全性远非实际。在6G中，区分子网级通信安全和子网到WAN安全的分层安全机制将是更好的方法。6G网络将与零接触网络和服务管理(ZSM)架构等框架共存，以缩短服务上市时间、降低运营成本并减少人为错误。具有自学习能力的全自动化使攻击能够闭环传播，数据隐私保护也极具挑战性，因为在零接触网络中，需要自动化和更少的人为干预。6G技术中的安全性6G依靠人工智能来实现完全自主的网络。因此，对AI系统，尤其是机器学习(ML)系统的攻击将影响6G。中毒攻击、数据注入、数据操纵、逻辑损坏、模型规避、模型反转、模型提取和成员推理攻击是针对ML系统的潜在安全威胁。更多功能的集合让AI系统的性能更加出色。对收集到的数据的攻击以及对私人数据的无意使用可能会导致隐私问题，因为数据处理通常对用户不可见。区块链也是释放6G系统潜力的关键技术。区块链适用于大规模分布式6G网络中的去中心化资源管理、频谱共享和服务管理。在量子计算机上进行51%攻击以破坏区块链的稳定性是可行的。由于区块链网络公开存储数据，因此隐私保护具有挑战性。当前的5G标准并未解决量子计算带来的安全问题；相反，它依赖于传统密码学，例如椭圆曲线密码学(ECC)。由于6G时代标志着量子计算机的出现，目前基于非对称密钥加密的安全机制容易受到基于量子计算机的攻击。因此，如果不设计量子安全密码算法，使用非对称密钥密码术的安全5G通信可能不再适用于后量子安全。人工智能对6G安全的重要作用利用人工智能缓解6G架构的安全问题与目前基于云的集中式人工智能系统相比，6G将主要依赖边缘智能。分布式特性使基于边缘的联邦学习能够在大规模设备和数据系统中执行，以实现网络安全和通信效率。6G架构设想连接智能，并在网络层次结构的不同级别使用AI。微小单元级别的AI有可能在最低级别阻止对云服务器的DoS攻击。网状网络中设备的多重连接性允许多个基站使用AI分类算法评估设备的行为，并使用加权平均方案共同决定真实性。基于行为的方法减少了由于微小区和多址技术引起的频繁切换而导致的频繁密钥交换的开销。根据联邦学习，子网级别和WAN级别可以有不同级别的授权。只有在需要外部通信时，才能在子网级别内获得信任分数。基于学习的入侵检测方法可能是防止CPMS和UPMS攻击的良好候选者，因为边缘已经拥有智能服务提供的数据。ZSM等框架搭载领域分析和领域智能服务，实现网络零接触管理，主要基于人工智能。AIModelEvaluation,APISecurityAIEngine是增强ZSM参考架构安全性的关键安全功能组件。利用人工智能缓解6G技术的安全问题利用人工智能的预测分析可以在攻击发生之前预测它们，例如51%的区块链攻击。量子计算机可能威胁到非对称密钥加密。然而，它们还可以为AI/ML算法提供指数速度，以更快地执行任务并完成以前不可能完成的任务。因此，用于网络安全的量子机器学习是一种潜在的防御基于量子计算机的攻击的技术。基于强化学习(RL)的智能波束形成技术提供了针对VLC系统中的错误攻击的最佳波束形成策略。干扰类似于DoS攻击。因此，配备人工智能的基于异常的检测系统是检测干扰攻击的可能解决方案。基于人工智能的认证和授权系统也适用于防止节点妥协攻击。使用AI进行6G隐私保护6G中具有微蜂窝的多连接网状网络允许设备同时通过多个基站进行通信。基于边缘的ML模型可用于动态检测隐私保护路由，对设备进行排名，并允许设备根据排名通过隐私保护路由传输数据。与基于云的集中学习相比，联邦学习使数据靠近用户，以增强数据隐私和位置隐私。6G子网级AI允许在子网内进行隐私保护，只共享外部学习的信息，以最大限度地降低隐私风险。将数据限制在网络上对于体内网络等应用程序很有用。随着6G的大量应用和海量数据的收集来喂养智能模型，用户将在不同的应用上选择不同的隐私级别。基于AI的面向服务的隐私策略更新是支持全自动6G网络的潜在解决方案。参考文献[1]W.Saad、M.Bennis和M.Chen，“6G无线系统的愿景：应用、趋势、技术和开放研究问题”，IEEE网络，卷。34，没有。3，第134-142页，2019[2]C.deAlwis、A.Kalla、Q.V.Pham、P.Kumar、K.Dev、W.J.Hwang和M.Liyanage，“6G前沿调查：趋势、应用、Requirements,TechnologiesandFutureResearch”IEEEOpenJournaloftheCommunicationsSociety,pp.1–1,2021.[3]J.Lin,W.Yu,N.Zhang,X.Yang,H.Zhang,W.Zhao,物联网调查：体系结构、使能技术、安全和隐私以及应用，IEEEInternetThingsJ.4(5)(2017)1125–1142.[4]T。Shinzaki，I.Morikawa，Y.Yamaoka，Y.Sakemi，大数据利用的物联网安全：位置数据的相互认证技术和匿名化技术，富士通科学。技术。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等人，“6G白皮书：信任、安全和隐私的研究挑战”，arXiv预印本arXiv:2004.11665,2020.[6]K。B.Letaief、W.Chen、Y.Shi、J.Zhang和Y.-J。A.Zhang，“6G路线图：AI赋能无线网络”，IEEE通信杂志，卷。57，没有。8,pp.84–90,2019.[7]I.Ahmad、T.Kumar、M.Liyanage、J.Okwuibe、M.Ylianttila和A.Gurtov，“5G安全挑战和解决方案概述”，IEEE通信标准杂志，卷。2，没有。1,pp.36–43,2018.[8]R.Khan、P.Kumar、D.N.K.Jayakody和M.Liyanage，“5g技术安全和隐私调查：潜在解决方案、最新进展和未来方向”，IEEE通信调查与教程，卷。22，没有。1，第196-248页，2019年。
