Systematic Literature Review of AI-enabled Spectrum Management in 6G and Future Networks

人工智能（AI）已经在医疗保健、金融和网络安全等各个领域取得了重大进展，例如DeepMind的医学影像和特斯拉的自动驾驶汽车。随着电信业从5G向6G过渡，整合AI对于处理数据、网络优化和安全等复杂需求至关重要。尽管正在进行研究，但在巩固AI启用频谱管理（AISM）方面的进展方面存在差距。由于6G的动态和复杂需求，传统的频谱管理方法不足以胜任，因此AI对于频谱优化、安全和网络效率至关重要。本研究旨在解决这一差距，具体包括：（i）对AISM方法进行系统综述，重点关注学习模型、数据处理技术和性能指标。(ii)检查与AI和传统网络威胁相关的安全和隐私问题。使用系统文献综述（SLR）方法，我们仔细分析了110项主要研究，以：（a）确定AI在频谱管理中的效用。(b)制定AI方法的分类法。(c)分类使用的数据集和性能指标。(d)详细说明安全和隐私威胁及应对措施。我们的研究发现存在一些挑战，例如：关键AISM系统中AI使用不足，计算资源需求大，透明度问题，需要真实世界的数据集，安全和隐私研究不平衡，以及缺乏测试平台、基准和安全分析工具。解决这些挑战对于最大程度地发挥AI在推进6G技术方面的潜力至关重要。

本论文旨在填补AI启用的频谱管理（AISM）方面的研究空白，对AISM方法学习模型、数据处理技术和性能指标进行系统综述，以及研究AI和传统网络威胁在AISM上的安全和隐私问题。

论文提出AI在频谱管理中的应用对于6G技术的发展至关重要，并提出了一种基于AI的频谱优化、安全和网络效率的解决方案，包括分类、数据集和性能指标的细节，以及安全和隐私威胁和对策。

本论文的亮点包括：提出了AI在频谱管理中的应用对于6G技术的发展至关重要；提出了一种基于AI的频谱优化、安全和网络效率的解决方案；详细讨论了安全和隐私威胁和对策；通过系统文献综述方法，分析了110篇主要研究，并开发了一个AI方法的分类系统。

近期在这个领域中的相关研究包括：'A survey on spectrum management in cognitive radio networks using artificial intelligence techniques'、'Spectrum Management in 5G and Beyond: Machine Learning and Optimization Approaches'、'A Review of Machine Learning Techniques for Spectrum Management in Cognitive Radio Networks'等。