喬秀全　黃亞坤

【摘? 要】去中心化網(wǎng)絡(luò)架構(gòu)和原生AI能力是未來(lái)6G網(wǎng)絡(luò)的兩個(gè)重要發(fā)展趨勢(shì)，現(xiàn)有的依賴于云端服務(wù)器或者終端的中心化的AI模式將難以支持6G網(wǎng)絡(luò)下多終端、多節(jié)點(diǎn)的分布式智能協(xié)作需求，這種新型的去中心網(wǎng)絡(luò)環(huán)境給AI在模型的訓(xùn)練、數(shù)據(jù)的采集和處理、模型的部署和推理等方面帶來(lái)了新的挑戰(zhàn)，針對(duì)6G網(wǎng)絡(luò)去中心化計(jì)算環(huán)境中海量終端設(shè)備異構(gòu)、計(jì)算能力差異大、通信網(wǎng)絡(luò)條件動(dòng)態(tài)變化等特點(diǎn)，分析去中心化的人工智能發(fā)展趨勢(shì)及相關(guān)的理論與技術(shù)，并提出相關(guān)的前瞻性的技術(shù)挑戰(zhàn)和研究方向。

【關(guān)鍵詞】6G;去中心化;人工智能;神經(jīng)網(wǎng)絡(luò);智能網(wǎng)絡(luò)

0? ?引言

未來(lái)第六代移動(dòng)通信系統(tǒng)（6G， the Sixth Generation Mobile Communication system）以實(shí)現(xiàn)智能應(yīng)用與網(wǎng)絡(luò)的深度融合為目標(biāo)，進(jìn)一步深入、擴(kuò)展5G網(wǎng)絡(luò)，在人工智能（AI， Artificial Intelligent）、邊緣計(jì)算和物聯(lián)網(wǎng)等技術(shù)的基礎(chǔ)上，完成真實(shí)世界到虛擬世界的延拓與融合，達(dá)到滿足人類更深層次的智能通信需求[1-2]。1G網(wǎng)絡(luò)到5G網(wǎng)絡(luò)的設(shè)計(jì)與應(yīng)用主要是滿足用戶的基本通信需求（例如傳輸速率、時(shí)延、頻譜效率以及能耗等）。特別地，5G實(shí)現(xiàn)了通信性能的大幅度提升并逐步商用，但在全方位、立體化的多域覆蓋、空天及海洋通信方面存在不足，在信息速度、廣度及深度上難以滿足人類更深層次的智能通信需求[3-4]。此外，5G在高度多樣化的大規(guī)模互聯(lián)方面存在一定的技術(shù)限制，未來(lái)新興的服務(wù)和動(dòng)態(tài)應(yīng)用場(chǎng)景均促進(jìn)了對(duì)6G無(wú)線通信新范式的需求[5]。

6G網(wǎng)絡(luò)設(shè)計(jì)的愿景通?？筛爬榉涸诘臒o(wú)線智能通信連接、人機(jī)物融合的深度連接、與基礎(chǔ)設(shè)施的泛在連接、基于上下文感知的全息通信和無(wú)縫覆蓋的AR/VR（Virtual and Augmented Reality）[6]。未來(lái)人機(jī)物融合的泛在互聯(lián)網(wǎng)絡(luò)將呈現(xiàn)出邊緣高度去中心化、網(wǎng)絡(luò)節(jié)點(diǎn)高度動(dòng)態(tài)自組織特性，每個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)（包括各種終端、基站、網(wǎng)關(guān)、路由器、服務(wù)器等）都是一個(gè)個(gè)智能信息處理體，既是信息的提供者，也是信息的消費(fèi)者。此外，基于AI的泛在智能通信連接，包括網(wǎng)絡(luò)通信架構(gòu)的智能化、終端設(shè)備的智能化、通信服務(wù)和業(yè)務(wù)的智能化，是實(shí)現(xiàn)6G愿景的基礎(chǔ)特性。

本文將從6G網(wǎng)絡(luò)去中心化計(jì)算關(guān)鍵特征出發(fā)，重點(diǎn)探討6G網(wǎng)絡(luò)去中心化AI的相關(guān)理論與技術(shù)，提出去中心化AI的發(fā)展趨勢(shì)和未來(lái)去中心化AI的技術(shù)挑戰(zhàn)和研究方向。

1? ?6G網(wǎng)絡(luò)去中心化計(jì)算關(guān)鍵特征

未來(lái)社會(huì)中在陸地、海洋和天空中充斥著大量的互聯(lián)終端設(shè)備，尤其是各種各樣的終端設(shè)備遍布于自然環(huán)境與人類生活中。利用這些數(shù)以億計(jì)的傳感器的實(shí)時(shí)感知與智能計(jì)算能力，支持多終端共享AI算力，智能終端設(shè)備側(cè)AI也必將從單設(shè)備、多設(shè)備正式走向分布式和去中心化模式，為6G的異構(gòu)、多終端實(shí)時(shí)感知計(jì)算提供了有力的支持。展望6G去中心化計(jì)算環(huán)境，可能具備以下特征。

（1）海量、異構(gòu)的終端設(shè)備通信

隨著太空、深海等領(lǐng)域的快速發(fā)展，人類活動(dòng)范圍逐漸擴(kuò)大，包括極地、沙漠、無(wú)人島嶼等極端環(huán)境。未來(lái)6G網(wǎng)絡(luò)設(shè)計(jì)中，人機(jī)物的通信交互無(wú)論是空間范圍還是交互方式上都會(huì)向更深層次擴(kuò)展。海量的智能終端設(shè)備將會(huì)部署在各種復(fù)雜的地理環(huán)境和空間中，極大擴(kuò)展了通信接入的地理空間，包括空、天、陸、海中具有多種傳感、計(jì)算、通信、控制融為一體的智能設(shè)備。此外，部署應(yīng)用于不同空間領(lǐng)域的終端設(shè)備在系統(tǒng)架構(gòu)、通信接入和通信協(xié)議上存在較大的差異。因此，完成海量、異構(gòu)終端設(shè)備的智能連接、深入連接、泛在連接和全地形、全空間立體覆蓋連接，是6G移動(dòng)通信網(wǎng)絡(luò)的關(guān)鍵技術(shù)。

（2）節(jié)點(diǎn)高度自治

在未來(lái)6G網(wǎng)絡(luò)設(shè)計(jì)中，節(jié)點(diǎn)都將是一個(gè)個(gè)智能體，每個(gè)智能體不僅能提供服務(wù)、存儲(chǔ)數(shù)據(jù)、節(jié)點(diǎn)路由和感知計(jì)算等，同時(shí)多智能體之間可以進(jìn)行信息的無(wú)縫流動(dòng)和計(jì)算的分布式協(xié)作。這些智能體節(jié)點(diǎn)部署的終端設(shè)備類型、任務(wù)類型、通信協(xié)議和網(wǎng)絡(luò)條件、計(jì)算能力和系統(tǒng)架構(gòu)都存在較大差異。一方面，智能體節(jié)點(diǎn)具有獨(dú)立的數(shù)據(jù)采集、處理和響應(yīng)能力;另一方面，高度自治的智能體節(jié)點(diǎn)能夠?qū)崿F(xiàn)與其他智能體之間的實(shí)時(shí)通信、協(xié)作，從而有效完成6G天、空、陸、地等各種環(huán)境下的海量異構(gòu)終端互聯(lián)、管理和協(xié)作。

（3）動(dòng)態(tài)、自適應(yīng)協(xié)作

6G愿景下網(wǎng)絡(luò)和用戶將統(tǒng)一為整體，各種垂直多樣化的需求和用戶的個(gè)性化服務(wù)特點(diǎn)要求智能體節(jié)點(diǎn)能夠動(dòng)態(tài)自適應(yīng)不同網(wǎng)絡(luò)環(huán)境、應(yīng)用場(chǎng)景和服務(wù)需求。隨著大數(shù)據(jù)、深度學(xué)習(xí)等AI技術(shù)的不斷發(fā)展，AI賦能6G的同時(shí)，更重要的是智能自適應(yīng)算法能夠融合異構(gòu)智能體的計(jì)算能力，發(fā)揮出不同智能體節(jié)點(diǎn)的計(jì)算特性，利用無(wú)縫、穩(wěn)定的通信網(wǎng)絡(luò)和網(wǎng)絡(luò)節(jié)點(diǎn)的高度動(dòng)態(tài)自組織特性，實(shí)時(shí)地感知環(huán)境，動(dòng)態(tài)、協(xié)作地完成用戶個(gè)性化的任務(wù)計(jì)算。

（4）數(shù)據(jù)、計(jì)算共享

精準(zhǔn)、高效的AI算法離不開高質(zhì)量的訓(xùn)練數(shù)據(jù)集，而用戶數(shù)據(jù)隱私和數(shù)據(jù)安全一定程度上阻礙了AI的進(jìn)一步發(fā)展。利用去中心化特點(diǎn)的AI聯(lián)邦學(xué)習(xí)，能夠保障大數(shù)據(jù)交換時(shí)的數(shù)據(jù)安全，保護(hù)終端用戶的數(shù)據(jù)隱私。同時(shí)，在多計(jì)算節(jié)點(diǎn)之間共享數(shù)據(jù)、共享計(jì)算，完成高效率的機(jī)器學(xué)習(xí)。這種去中心化的數(shù)據(jù)、計(jì)算共享能夠保證參與計(jì)算節(jié)點(diǎn)的獨(dú)立性和數(shù)據(jù)隱私，完成數(shù)據(jù)、模型參數(shù)的更新。6G去中心化計(jì)算是區(qū)塊鏈應(yīng)用的典型特征，去中心化/共享控制能促進(jìn)數(shù)據(jù)共享，這反過(guò)來(lái)又帶來(lái)更好的模型、更高的利潤(rùn)和更低的成本等。

2? ?未來(lái)去中心化AI的相關(guān)理論與技術(shù)

隨著區(qū)塊鏈技術(shù)的快速發(fā)展，通過(guò)密碼學(xué)加密技術(shù)、分布式賬本和智能合約等技術(shù)給AI帶來(lái)更為廣闊的數(shù)據(jù)市場(chǎng)和AI計(jì)算資源。同時(shí)，去中心化的AI也讓去中心化應(yīng)用（如區(qū)塊鏈應(yīng)用）變得更加的安全、高效、智能。如圖1所示，未來(lái)去中心AI的理論與技術(shù)可能包括以下三方面，即基于區(qū)塊鏈技術(shù)的去中心化AI技術(shù)、基于隱私保護(hù)的去中心化AI技術(shù)和面向模型生命周期的去中心化AI技術(shù)。

（1）基于區(qū)塊鏈技術(shù)的去中心化AI技術(shù)

去中心化區(qū)塊鏈應(yīng)用促進(jìn)了數(shù)據(jù)市場(chǎng)向公平、高效、高質(zhì)量方向發(fā)展，區(qū)塊鏈的激勵(lì)機(jī)制使得數(shù)據(jù)、計(jì)算共享成為可能?；趨^(qū)塊鏈技術(shù)的分布式AI，實(shí)現(xiàn)了AI不同功能體之間的協(xié)作與相互調(diào)用，進(jìn)一步加快了AI的發(fā)展，拓寬了AI的應(yīng)用領(lǐng)域。此外，通過(guò)利用區(qū)塊鏈的去中心化天然屬性，實(shí)現(xiàn)AI數(shù)據(jù)、算法和模型的自由流動(dòng)。一方面，利用區(qū)塊鏈的底層通信、加密和計(jì)算架構(gòu)，能夠?qū)崿F(xiàn)去中心化AI不同功能模塊之間的相互調(diào)用，進(jìn)一步加速了去中心AI的發(fā)展。另一方面，基于區(qū)塊鏈技術(shù)的去中心化AI打破了傳統(tǒng)AI模型的開發(fā)模式、促進(jìn)了AI數(shù)據(jù)、模型和計(jì)算的共享，有效解決了AI模型數(shù)據(jù)孤島問(wèn)題。

（2）基于隱私保護(hù)的去中心化AI技術(shù)

用戶數(shù)據(jù)隱私保護(hù)是未來(lái)去中心化AI的關(guān)鍵技術(shù)之一。高效、可靠的數(shù)據(jù)加密及隱私保護(hù)技術(shù)是促進(jìn)用戶、企業(yè)積極參與去中心化AI的計(jì)算的基石。盡管同態(tài)加密和安全多方計(jì)算等技術(shù)允許去中心化AI體系架構(gòu)中的節(jié)點(diǎn)在加密的數(shù)據(jù)集上執(zhí)行模型，無(wú)需解密數(shù)據(jù)再進(jìn)行推理，并且能夠使得機(jī)器模型能夠在安全的數(shù)據(jù)集中訓(xùn)練，獲得更為精準(zhǔn)、有效的數(shù)據(jù)集和模型，同時(shí)保護(hù)了數(shù)據(jù)的隱私與安全性。然而，未來(lái)去中心化AI計(jì)算中除了傳統(tǒng)的密碼學(xué)技術(shù)，對(duì)智能化的加密技術(shù)需求更高。例如生成對(duì)抗神經(jīng)網(wǎng)絡(luò)（GAN）加密技術(shù)是一種基于深度學(xué)習(xí)的智能加密技術(shù)，能夠在各參與方之間進(jìn)行安全的通信，有助于獲得大量的真實(shí)數(shù)據(jù)[7]。對(duì)于研發(fā)AI模型人員來(lái)說(shuō)，能夠更方便地處理數(shù)據(jù)、更高效地比較和評(píng)估模型，從而得出正確的解決方案，應(yīng)對(duì)不同的場(chǎng)景與服務(wù)。面向去中心化AI的解決方案中，GAN加密技術(shù)允許去中心網(wǎng)絡(luò)中的計(jì)算節(jié)點(diǎn)交換信息，無(wú)需信任既定的加密方案。從概念上來(lái)說(shuō)，GAN加密技術(shù)推動(dòng)了不同公司、企業(yè)之間共享數(shù)據(jù)集，而無(wú)需擔(dān)心披露用戶隱私等敏感數(shù)據(jù)，也進(jìn)一步推動(dòng)了AI的發(fā)展。此外，企業(yè)也受益于GAN加密技術(shù)帶來(lái)的用戶信任，減少了法務(wù)危機(jī)，同時(shí)互聯(lián)網(wǎng)企業(yè)對(duì)于用戶隱私應(yīng)當(dāng)持有尊重的態(tài)度以及合理地使用。

（3）面向模型生命周期的去中心化AI技術(shù)

未來(lái)去中心化AI計(jì)算不僅需要考慮底層的通信、計(jì)算、系統(tǒng)架構(gòu)和隱私保護(hù)等關(guān)鍵技術(shù)，還要結(jié)合AI模型在不同生命周期的特點(diǎn)，提供高效自治的智能AI管理。例如，在去中心化AI模型訓(xùn)練階段，谷歌提出的聯(lián)邦學(xué)習(xí)本質(zhì)上是一種分布式機(jī)器學(xué)習(xí)框架，其目標(biāo)是在保證數(shù)據(jù)隱私安全及合乎法律法規(guī)的基礎(chǔ)上，實(shí)現(xiàn)多方的共同學(xué)習(xí)、建模，從而達(dá)到提升AI模型的效果，拓展AI應(yīng)用場(chǎng)景。在去中心化AI模型的部署推理階段，通過(guò)異構(gòu)通信架構(gòu)和D2D通信等技術(shù)有效利用閑置終端設(shè)備和計(jì)算節(jié)點(diǎn)的資源，設(shè)計(jì)去中心化的協(xié)作式AI模型推理，有效解決了單一終端設(shè)備計(jì)算資源有限、能量消耗大、推理時(shí)延高等問(wèn)題，加速終端側(cè)AI向中心化和分布式協(xié)作式AI演進(jìn)。

3? ? 去中心化AI的技術(shù)挑戰(zhàn)和研究方向

3.1? 去中心化AI面臨的技術(shù)挑戰(zhàn)

聯(lián)邦學(xué)習(xí)、區(qū)塊鏈和加密計(jì)算等技術(shù)的出現(xiàn)為創(chuàng)建去中心化AI應(yīng)用提供了可行的技術(shù)路徑。然而，目前大多數(shù)去中心化技術(shù)和應(yīng)用仍處于理論研究階段，在實(shí)際應(yīng)用中仍面臨著諸多挑戰(zhàn)。

（1）算力挑戰(zhàn)

區(qū)塊鏈利用分布式賬本和智能合約等技術(shù)在執(zhí)行機(jī)器學(xué)習(xí)（例如深度學(xué)習(xí)）這類計(jì)算密集型的任務(wù)時(shí)，需要付出昂貴的代價(jià)，且性能有限。盡管去中心化AI促進(jìn)了參與者之間的數(shù)據(jù)共享，增強(qiáng)了參與者間的信任，提升了機(jī)器學(xué)習(xí)模型的精度和質(zhì)量，然而，昂貴的計(jì)算成本和較低的計(jì)算效率阻礙了去中心化AI應(yīng)用部署于真實(shí)場(chǎng)景中。因此，在未來(lái)6G去中心化AI研究中，如何有效提升去中心化AI網(wǎng)絡(luò)中機(jī)器學(xué)習(xí)等復(fù)雜模型的推理、執(zhí)行效率，降低計(jì)算成本是推動(dòng)去中心化AI進(jìn)一步發(fā)展的挑戰(zhàn)之一，這也是大多數(shù)企業(yè)在基礎(chǔ)設(shè)施上面臨的挑戰(zhàn)。

（2）激勵(lì)機(jī)制挑戰(zhàn)

去中心化AI的架構(gòu)需要依靠一定的激勵(lì)機(jī)制來(lái)驅(qū)動(dòng)不同的網(wǎng)絡(luò)節(jié)點(diǎn)參與到數(shù)據(jù)共享、計(jì)算共享中來(lái)。尤其是涉及到價(jià)值大的數(shù)據(jù)或計(jì)算時(shí)，通常需要較為可觀的投資回報(bào)和穩(wěn)定的激勵(lì)機(jī)制來(lái)維持去中心化AI網(wǎng)絡(luò)的健壯運(yùn)行。除此之外，存在漏洞的激勵(lì)機(jī)制可能會(huì)引起操縱去中心化網(wǎng)絡(luò)行為的惡意攻擊，導(dǎo)致參與者的信息泄漏、利益受損等后果，用戶將逐漸脫離去中心化AI網(wǎng)絡(luò)中。因此，安全、可靠的激勵(lì)機(jī)制時(shí)保障去中心化網(wǎng)絡(luò)的重要基礎(chǔ)。

（3）異構(gòu)終端通信挑戰(zhàn)

未來(lái)6G去中心化網(wǎng)絡(luò)中泛在互聯(lián)的終端設(shè)備類型多種多樣，不同的計(jì)算架構(gòu)、終端類型、通信協(xié)議和網(wǎng)絡(luò)條件要求去中心化網(wǎng)絡(luò)具備低時(shí)延和高可靠通信條件。此外，6G去中心化網(wǎng)絡(luò)將會(huì)在網(wǎng)絡(luò)節(jié)點(diǎn)間頻繁地傳輸數(shù)據(jù)，通信鏈路的質(zhì)量和時(shí)延是保障去中心化計(jì)算結(jié)果一致性和確定性的重要基礎(chǔ)。因此，異構(gòu)終端設(shè)備間的高可靠通信對(duì)6G去中心化網(wǎng)絡(luò)互聯(lián)帶來(lái)了挑戰(zhàn)。

（4）自適應(yīng)協(xié)作計(jì)算挑戰(zhàn)

去中心化計(jì)算的特點(diǎn)要求在節(jié)點(diǎn)間能夠根據(jù)設(shè)備之間的差異和計(jì)算任務(wù)的特點(diǎn)動(dòng)態(tài)地提供自適應(yīng)協(xié)作機(jī)制。通常，單一的設(shè)備需要耗費(fèi)大量時(shí)間和能量完成較大的計(jì)算任務(wù)，無(wú)法滿足用戶的需求。去中心化的自適應(yīng)協(xié)作機(jī)制能夠提供在多設(shè)備之間動(dòng)態(tài)卸載計(jì)算，根據(jù)設(shè)備特性和任務(wù)特點(diǎn)動(dòng)態(tài)分配任務(wù)，協(xié)作完成任務(wù)計(jì)算。因此，如何在多終端設(shè)備或網(wǎng)絡(luò)節(jié)點(diǎn)間提供自適應(yīng)協(xié)作計(jì)算機(jī)制，將是6G去中心化AI的挑戰(zhàn)之一。

3.2? 未來(lái)去中心化AI的研究方向

6G去中心化AI未來(lái)將成為工業(yè)自動(dòng)化、智慧生活、大規(guī)模物聯(lián)網(wǎng)等應(yīng)用的關(guān)鍵技術(shù)，未來(lái)不應(yīng)將去中心化AI應(yīng)用看作一個(gè)整體，而是根據(jù)AI應(yīng)用所處的生命周期，例如去中心化AI數(shù)據(jù)共享、訓(xùn)練、推理以及去中心化AI模型等方面。因此，未來(lái)去中心化AI可能的研究方向主要包括以下幾方面：

（1）去中心化的數(shù)據(jù)分享

去中心化的網(wǎng)絡(luò)結(jié)構(gòu)和激勵(lì)機(jī)制有效驅(qū)動(dòng)了參與者發(fā)布和共享數(shù)據(jù)，從而使得參與者僅通過(guò)共享數(shù)據(jù)也可以獲得更為精準(zhǔn)的AI模型。然而，針對(duì)去中心化的數(shù)據(jù)共享協(xié)議的研究還尚未成熟。海洋協(xié)議（Ocean Protocol）是目前廣泛支持使用的一種去中心化通信架構(gòu)，但是在計(jì)算密集的深度學(xué)習(xí)數(shù)據(jù)上的共享使用還需要深入的研究。

（2）去中心化AI模型訓(xùn)練與預(yù)測(cè)

基于去中心化數(shù)據(jù)共享的基礎(chǔ)上，通常下一步是利用去中心化網(wǎng)絡(luò)完成AI模型的訓(xùn)練，并利用新增的數(shù)據(jù)不斷地改進(jìn)、提升AI模型的精度。最后，將已訓(xùn)練、可用的AI模型結(jié)果發(fā)布，從而對(duì)外提供預(yù)測(cè)。因此，如何提出高效、安全的去中心化AI模型訓(xùn)練方法也是未來(lái)的研究方向之一。

（3）去中心化AI模型

嚴(yán)格來(lái)說(shuō)，目前大多數(shù)AI模型和應(yīng)用主要針對(duì)傳統(tǒng)的集中式AI應(yīng)用場(chǎng)景。在去中心計(jì)算下，如何使得AI服務(wù)在其所有的生命周期內(nèi)都能夠去中心化的執(zhí)行，無(wú)論是數(shù)據(jù)還是AI模型本身均更符合去中心化網(wǎng)絡(luò)的計(jì)算特征，能夠提升去中心化AI的效率與精度，從而推動(dòng)去中心化AI的不斷發(fā)展。

4? ?結(jié)束語(yǔ)

隨著全球5G商用部署進(jìn)入關(guān)鍵階段，對(duì)下一代移動(dòng)通信系統(tǒng)（6G）的探索已經(jīng)進(jìn)入初期階段。本文主要討論了6G網(wǎng)絡(luò)中去中心化AI的現(xiàn)狀、挑戰(zhàn)和未來(lái)發(fā)展趨勢(shì)，從海量、異構(gòu)的終端設(shè)備通信、節(jié)點(diǎn)高度自治、數(shù)據(jù)共享和動(dòng)態(tài)自適應(yīng)協(xié)作角度分析了去中心化計(jì)算的關(guān)鍵特征，討論了未來(lái)去中心化AI的理論與技術(shù)，并提出了去中心化AI的技術(shù)挑戰(zhàn)和研究方向。

參考文獻(xiàn)：

[1]? ? 張平，牛凱，田輝，等. 6G移動(dòng)通信技術(shù)展望[J]. 通信學(xué)報(bào)， 2019，40（1）： 141-148.

[2]? ? 趙亞軍，郁光輝，徐漢青. 6G移動(dòng)通信網(wǎng)絡(luò)： 愿景， 挑戰(zhàn)與關(guān)鍵技術(shù)[J]. 中國(guó)科學(xué)： 信息科學(xué)， 2019，49（8）： 963-987.

[3]? ?田輝，范紹帥，呂昕晨，等. 面向5G需求的移動(dòng)邊緣計(jì)算[J]. 北京郵電大學(xué)學(xué)報(bào)， 2017，20（2）： 5-14.

[4]? ?D K， B H. 6G vision and requirements： is there any need for beyond 5G？[J]. IEEE Vehicular Technology Magazine， 2018，13（3）： 72-78.

[5]? ? ?劉楊，彭木根. 6G內(nèi)生安全： 體系結(jié)構(gòu)與關(guān)鍵技術(shù)[J].?電信科學(xué)， 2020，36（1）： 11-20.

[6]? ?Q X， R P， D S， et al. Web AR： A Promising Future for Mobile Augmented Reality—State of the Art， Challenges， and Insights[J]. Proceedings of the IEEE， 2019，107（4）： 651-666.

[7]? ? A M， A D G. Learning to protect communications with adversarial neural cryptography[Z]. 2016.

作者簡(jiǎn)介

喬秀全（orcid.org/0000-0002-0140-0650）：教授、博士生導(dǎo)師，現(xiàn)任職于北京郵電大學(xué)網(wǎng)絡(luò)與交換技術(shù)國(guó)家重點(diǎn)實(shí)驗(yàn)室，北京市科技新星、北京信息化和工業(yè)化融合服務(wù)聯(lián)盟副理事長(zhǎng)，SCI檢索期刊《China Communications》編委和Springer《Computing》期刊副主編，中國(guó)移動(dòng)5G多媒體創(chuàng)新聯(lián)盟技術(shù)專家組成員，工信部人工智能專家組成員，目前研究方向?yàn)閃eb AR/VR、5G創(chuàng)新應(yīng)用、6G網(wǎng)絡(luò)基礎(chǔ)理論和關(guān)鍵技術(shù)。

黃亞坤：北京郵電大學(xué)網(wǎng)絡(luò)與交換技術(shù)國(guó)家重點(diǎn)實(shí)驗(yàn)室在讀博士研究生，主要研究方向?yàn)檫吘売?jì)算、5G創(chuàng)新應(yīng)用、6G網(wǎng)絡(luò)基礎(chǔ)理論和關(guān)鍵技術(shù)。