6G无线接入网中保护隐私的意图履约与验证
摘要
论文提出一种6G无线接入网的隐私保护意图履约与验证架构,仅依赖声明的意图类别和O1接口上标准的小区级性能管理计数器进行资源分配与验证,并通过数据处理不等式给出资源分配的信息泄露上界,在四个运营商网络的生产数据上验证了检测性能与隐私之间的权衡。
查看缓存全文
缓存时间: 2026/10/14 18:53
论文页面 - 面向6G RAN的隐私保护意图履行与验证
来源:https://huggingface.co/papers/2607.08809
基于意图的6G管理通常假设需要流量检测、逐流跟踪或厂商内部遥测数据。本架构不需要上述任何一项。它仅根据声明的意图类别进行资源调配,并仅利用标准的小区级O1计数器验证意图履行情况。
由于资源调配仅依赖意图类别,数据处理不等式将架构对流量内容的泄露上限约束在 log2 K 比特(其中K为类别数)。若验证每类别需要在M个小区中选取q个小区,则泄露上限进一步收紧为 log2 floor(M/q) 比特——这意味着检测需求本身就决定了隐私上限,无需引入额外的隐私参数。
在来自四个运营商网络的生产级计数器上,当K超过适度水平后检测性能趋于平稳,而泄露上限却持续上升。在类别范围替换场景下,类别均值验证器在三个网络上具有更高的AUC,在第四个网络上AUC相当。逐小区筛选更适用于稀疏故障场景。
摘要、范围与BibTeX:https://jossarmstrong.org/works/privacy-intent/
相似文章
@vintcessun: 一个纯 Go 写的 LLM 隐私网关,毫秒级脱敏 PII/密钥——生产已在用。 两层检测:结构化 PII 靠正则(邮箱、电话、身份证、银行卡),秘密/凭据用 gitleaks 规则集加 Shannan 熵兜底。 关键设计:不做 NER(避…
介绍一个纯 Go 编写的 LLM 隐私网关,通过两层检测(正则和 gitleaks 规则集)实现毫秒级脱敏 PII 和密钥,不引入额外模型/GPU,已在生产环境使用。
CRAFT: AI原生6G RAN中事前可解释性的微调
该论文提出了CRAFT,一种以数据为中心的方法,用于微调小语言模型,以在AI原生6G RAN中实现事前可解释性,与现有方法如GRPO相比,实现了更高的准确性和能效。
面向O-RAN SLA风险预测的物理约束联邦加性模型
本文提出Monotone FedNAM,一种物理约束的联邦加性模型,确保O-RAN中每个切片的SLA风险预测遵循无线物理规律(单调性),无需汇聚商业敏感的KPI数据,在保持高形状一致性的同时将上行流量减少65%。
迈向弹性与自主网络:AI原生6G的BlueSky愿景
本文提出了一个面向AI原生6G网络的愿景框架,主张采用统一的基础模型和协作式多智能体系统,以实现超越碎片化5G方案的自主、弹性网络管理。
QoS感知的令牌调度与多模态智能体网络的私有数据估值
本研究论文提出了一种面向去中心化多模态智能体系统的公平令牌分配和私有数据估值框架,利用差分隐私原型在调度有限的边缘AI资源的同时平衡隐私与效用。