論文の概要: Generative Adversarial Learning for Intelligent Trust Management in 6G Wireless Networks

• arxiv url: http://arxiv.org/abs/2208.01221v1
• Date: Tue, 2 Aug 2022 03:17:20 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-03 13:09:23.886849
• Title: Generative Adversarial Learning for Intelligent Trust Management in 6G Wireless Networks
• Title（参考訳）: 6G無線ネットワークにおける知的信頼管理のための生成的逆学習
• Authors: Liu Yang, Yun Li, Simon X. Yang, Yinzhi Lu, Tan Guo, Keping Yu
• Abstract要約: 6Gは異種無線ネットワークの統合で、どこでもどこでもシームレスにネットワークをサポートできます。 High Quality-of-Trustはモバイルユーザーの期待に応えるために6Gが提供すべきである。 本稿では,6G無線ネットワークを対象とした生成的対向学習型信頼管理手法を提案する。
• 参考スコア（独自算出の注目度）: 14.054656877939873
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Emerging six generation (6G) is the integration of heterogeneous wireless networks, which can seamlessly support anywhere and anytime networking. But high Quality-of-Trust should be offered by 6G to meet mobile user expectations. Artificial intelligence (AI) is considered as one of the most important components in 6G. Then AI-based trust management is a promising paradigm to provide trusted and reliable services. In this article, a generative adversarial learning-enabled trust management method is presented for 6G wireless networks. Some typical AI-based trust management schemes are first reviewed, and then a potential heterogeneous and intelligent 6G architecture is introduced. Next, the integration of AI and trust management is developed to optimize the intelligence and security. Finally, the presented AI-based trust management method is applied to secure clustering to achieve reliable and real-time communications. Simulation results have demonstrated its excellent performance in guaranteeing network security and service quality.
• Abstract（参考訳）: 6世代(Emerging six generation, 6G)は異種無線ネットワークの統合であり、任意のネットワークをシームレスにサポートすることができる。 しかし、モバイルユーザーの期待に応えるために6gは高い信頼性を提供するべきだ。 人工知能(AI)は6Gで最も重要なコンポーネントの一つと考えられている。 そして、AIベースの信頼管理は信頼できるサービスを提供するための有望なパラダイムです。 本稿では,6g無線ネットワークに対して,学習可能な信頼管理手法を提案する。 一般的なAIベースの信頼管理スキームをまずレビューし、さらに異質でインテリジェントな6Gアーキテクチャを導入する。 次に、aiと信頼管理の統合によって、インテリジェンスとセキュリティを最適化する。 最後に,aiベースの信頼管理手法を適用し,信頼性の高いリアルタイム通信を実現する。 シミュレーション結果は、ネットワークセキュリティとサービス品質の保証において優れた性能を示している。

関連論文リスト

• From 5G to 6G: A Survey on Security, Privacy, and Standardization Pathways [21.263571241047178]
  6Gのビジョンは、より高速なデータレート、ほぼゼロのレイテンシ、より高いキャパシティでネットワーク機能を強化することである。 この進歩は、没入型混合現実体験、ホログラフィー通信、スマートシティインフラの実現を目指している。 6Gの拡張は、不正アクセスやデータ漏洩など、重要なセキュリティとプライバシの懸念を提起する。
  論文  参考訳（メタデータ） (2024-10-04T03:03:44Z)
• Security, Trust and Privacy challenges in AI-driven 6G Networks [2.362412515574206]
  本稿では, 6G ネットワークのインフラの進化について考察し, より非凝集な構造への遷移を強調した。 AI中心のアーキテクチャから生じるネットワーク攻撃の分類を示し、これらの新興脅威を検出または緩和するために設計された技術を探究する。 この論文は、ロバストネットワークの確保において、AIの利用に関連する意味とリスクを調べることで締めくくっている。
  論文  参考訳（メタデータ） (2024-09-16T14:48:20Z)
• Trustworthy AI-Generative Content in Intelligent 6G Network: Adversarial, Privacy, and Fairness [21.026825234578954]
  TrustGAINは、6Gネットワークにおける信頼できるAIGCのための新しいパラダイムである。 6GネットワークにおけるAIGCシステムによる敵攻撃とプライバシの脅威について論じる。 我々は、TrustGAINが悪意あるまたは生成された偽情報に対する抵抗を効果的に導くことができることを示すユースケースを実行する。
  論文  参考訳（メタデータ） (2024-05-09T17:16:20Z)
• A Zero Trust Framework for Realization and Defense Against Generative AI Attacks in Power Grid [62.91192307098067]
  本稿では電力グリッドサプライチェーン(PGSC)のための新しいゼロ信頼フレームワークを提案する。 潜在的なGenAIによる攻撃ベクターの早期発見、テールリスクに基づく安定性の評価、そしてそのような脅威の緩和を容易にする。 実験の結果,ゼロ信頼フレームワークは攻撃ベクトル生成に95.7%の精度,95%安定PGSCに9.61%のリスク尺度,GenAIによる攻撃に対する防御に99%の信頼性が得られた。
  論文  参考訳（メタデータ） (2024-03-11T02:47:21Z)
• Foundation Model Based Native AI Framework in 6G with Cloud-Edge-End Collaboration [56.330705072736166]
  基礎モデルに基づく6GネイティブAIフレームワークを提案し、意図認識型PFMのカスタマイズアプローチを提供し、新しいクラウド-エッジコラボレーションパラダイムを概説する。 実例として,無線通信システムにおける最大和率を達成するために,このフレームワークをオーケストレーションに適用する。
  論文  参考訳（メタデータ） (2023-10-26T15:19:40Z)
• Federated Learning-Empowered AI-Generated Content in Wireless Networks [58.48381827268331]
  フェデレートドラーニング(FL)は、学習効率を改善し、AIGCのプライバシー保護を達成するために利用することができる。 我々は,AIGCの強化を目的としたFLベースの技術を提案し,ユーザが多様でパーソナライズされた高品質なコンテンツを作成できるようにすることを目的とする。
  論文  参考訳（メタデータ） (2023-07-14T04:13:11Z)
• Large Language Models Empowered Autonomous Edge AI for Connected Intelligence [51.269276328087855]
  エッジ人工知能(Edge AI)は、コネクテッドインテリジェンスを実現するための有望なソリューションである。 この記事では、ユーザのさまざまな要件を満たすために自動的に組織化し、適応し、最適化する、自律的なエッジAIシステムのビジョンを示す。
  論文  参考訳（メタデータ） (2023-07-06T05:16:55Z)
• Optimization Design for Federated Learning in Heterogeneous 6G Networks [27.273745760946962]
  フェデレーテッド・ラーニング(FL)は、6GネットワークでユビキタスAIを実現するための重要な実現手段として期待されている。 6Gネットワークにおける有効かつ効率的なFL実装には、いくつかのシステムおよび統計的不均一性の課題がある。 本稿では,これらの課題に効果的に対処できる最適化手法について検討する。
  論文  参考訳（メタデータ） (2023-03-15T02:18:21Z)
• Network and Physical Layer Attacks and countermeasures to AI-Enabled 6G O-RAN [1.7811776494967646]
  本稿では,AI駆動型6G無線アクセスネットワーク(RAN)のセキュリティへの影響について検討する。 Open RAN(O-RAN)では、業界主導のオープンアーキテクチャと、AIコントロールを備えた次世代RANを構築するためのインターフェースについて説明している。
  論文  参考訳（メタデータ） (2021-06-01T16:36:37Z)
• Towards Self-learning Edge Intelligence in 6G [143.1821636135413]
  エッジインテリジェンス(エッジインテリジェンス、Edge Intelligence、別名エッジネイティブ人工知能(AI))は、AI、通信ネットワーク、モバイルエッジコンピューティングのシームレスな統合に焦点を当てた新興技術フレームワークである。 本稿では、6GにおけるエッジネイティブAIの重要な要件と課題を特定する。
  論文  参考訳（メタデータ） (2020-10-01T02:16:40Z)
• Federated Learning for 6G Communications: Challenges, Methods, and Future Directions [71.31783903289273]
  6Gとフェデレーション学習の統合を導入し、6Gのための潜在的なフェデレーション学習アプリケーションを提供する。 6G通信の文脈において,重要な技術的課題,それに対応するフェデレーション学習手法,および今後のフェデレーション学習研究のためのオープンな課題について述べる。
  論文  参考訳（メタデータ） (2020-06-04T15:17:19Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。