今日动态 返回首页
会员注册 登录 生物通快讯免费订阅
  • 首页 今日动态 人才市场 新技术专栏 中国科学人 云展台
    BioHot
    • 定制我的BioHot
    • 进入我的BioHot
    • 进入我的集采
    • 肿瘤癌症研究
    • 免疫/基因/细胞疗法
    • 神经生物学
    • 健康与疾病
    • 衰老机制与长寿
    • 单细胞技术
    • 基因编辑-CRISPR
    • RNA研究
    • 肠道菌与人体微生态
    • 细胞代谢
    • AI生物信息学
    • COVID
    云讲堂直播 会展中心 特价专栏 技术快讯 免费试用

  • 生物通官微
    陪你抓住生命科技
    跳动的脉搏

生物通首页  >  今日动态  >  正文

面向 6G 边缘网络的因果信任感知联邦多智能体强化学习

《Scientific Reports》:Causal trust aware federated multi agent reinforcement learning for 6G edge networks

【字体: 大 中 小 】 时间:2026年08月28日 来源:Scientific Reports 4.9

编辑推荐:

   摘要第六代(6G)无线网络的到来要求向内在智能、去中心化和可信架构进行范式转变,以管理边缘环境的极端异构性、动态性和规模。虽然联邦多智能体强化学习(Fed-MARL)为隐私保护的分布式决策提供了一条有前景的路径,但现有框架饱受缺乏可解释性、易受不可信智能体攻击以及无法从虚假相

  

摘要

第六代(6G)无线网络的到来要求向内在智能、去中心化和可信架构进行范式转变,以管理边缘环境的极端异构性、动态性和规模。虽然联邦多智能体强化学习(Fed-MARL)为隐私保护的分布式决策提供了一条有前景的路径,但现有框架饱受缺乏可解释性、易受不可信智能体攻击以及无法从虚假相关性中泛化的困扰,往往导致不公平的资源分配和次优的能量效率。为了解决这些关键限制,我们提出了 CT-Fed MARL,这是一种新颖的因果感知和信任驱动的联邦多智能体强化学习框架,旨在实现 6G 边缘网络的公平、可解释和能效管理。我们的核心创新在于协同整合了两个关键机制:(i)一个因果感知表示学习模块,利用结构因果模型从高维网络数据中辨别不变因果关系,使智能体能够在环境非平稳性中做出稳健且可泛化的决策;以及(ii)一个信任驱动的聚合与激励机制,基于结合模型质量、行为声誉和任务相关性的多方面信任分数动态评估智能体贡献,以减轻拜占庭攻击和搭便车者的影响,从而确保公平协作和可持续参与。我们在模拟的 6G 超密集网络场景中严格评估了 CT-Fed MARL。大量实验表明,我们的框架显著优于最先进的 Fed-MARL 基线,实现了公平性(贾因指数)提升 32%,能耗降低 28%,模型可解释性增加 45%,同时在各种对抗条件下保持稳健性能。我们的发现强调了将因果性和信任整合到分布式学习中的巨大潜力,为真正实现自主、弹性和以人为本的 6G 边缘智能铺平了道路。

相关新闻
生物通微信公众号
生物通新浪微博
微信
新浪微博
我要投稿
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热搜:6G 边缘网络|联邦多智能体强化学习|因果感知|信任驱动|可解释性|能效

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号