6G知识体系构建：面向全域全场景的学术知识挖掘及其按需应用

当前6G相关概念并未统一,亟待一致性的认知和定义,学术和产业界对6G的发展全貌和相关领域研究进展缺少清晰认识。为此,构建了6G知识库及知识体系。首先,对现有6G学术文献进行自动化筛选和结构化存储；其次,在对文本数据进行标注和规范化的基础上构建了6G知识库；再次,利用6G知识库实现了对6G全领域的统计分析；利用自然语言处理、深度神经网络和潜在树模型等技术实现对6G知识的抽取和生成。最后,在大模型训练的基础上,面向多样化的服务需求实现按需的知识应用。     

6G车联网中的通感算融合：现状与挑战

车联网通信-计算融合对满足高可靠低时延的应用需求具有重要意义。面对无人驾驶等新兴智能服务对多极致性能的需求，探究6G车联网中的感知-通信-计算融合体系，打破感知、通信、计算三大资源的独立分治局面，实现资源灵活互通与统筹管理，对智能交通的发展具有重大意义。首先，回顾了车联网中通信、计算技术的发展；然后，针对系统架构和关键技术两个方向对现有车联网通信-计算融合的相关工作进行了回顾和整理；最后，分析了6G车联网中通感算融合的未来应用及挑战，为车联网感知-通信-计算融合方向的研究提供参考。     

关于车联网联邦学习中可信信誉管理方法的研究

联邦学习由于其分布式、隐私保护等特点有望应用到车联网中，然而由于缺少相应的本地模型质量验证机制，全局模型容易受到恶意用户的攻击从而导致模型训练的准确率降低。提出一种车联网中分层区块链使能的联邦学习信誉管理架构。首先介绍整个架构的组成以及具体的工作流程，然后设计智能合约为系统提供更加灵活可信的信誉意见共享环境，并开发一种轻量级的区块链共识算法，以提升区块链的运行效率。仿真结果表明所提方法能够筛选出恶意用户，同时保证数据隐私和安全，从而提高FL的准确性。