摘要：网络切片是使网络能够满足不同垂直领域的不同服务需求的关键要素，为解决网络中切片类型动态变化的问题，提出了一种联邦-多智能体强化学习双时间尺度资源分配（F-MALML）算法。大时间尺度下，通过有限记忆学习算法为每个基站分配资源；小时间尺度内各基站使用F-MALML算法进一步为切片中的用户动态分配资源。引入了一种概率学习机制，根据前一时隙的分配结果和网络实际状态，动态调整每个时间尺度的分配策略。仿真结果表明，所提算法相比于其他两种基准算法在新增切片的切片满意度及系统频谱效率方面都有较大提升，且表现出更好的稳定性。

摘要：随着加密通信的广泛应用，传统基于内容分析的恶意流量检测方法逐渐失效，如何高效检测加密流量中的恶意行为成为网络安全领域的研究重点。研究提出了一种基于神经网络的加密恶意流量检测方法，通过深度学习模型实现恶意加密流量的分类。首先，将网络流量预处理并提取关键特征，包括包大小分布、时间间隔及协议类型等，随后将特征映射为二维特征图（Feature Map），作为深度学习模型的输入。设计可伸缩的窗口自注意力机制，利用Transfomer神经网络模型对特征图进行分类，实现了对恶意流量的高效检测。实验结果表明，该方法在检测精度、召回率等方面均表现优异，为解决加密流量恶意行为检测问题提供了一种可行方案。

摘要：非地面网络（Non-Terrestrial Network， NTN）的出现标志着通信技术的重大突破，它通过利用卫星和高空平台扩展了地面网络的覆盖范围，从而为全球范围内的通信提供了新的解决方案。对NTN进行了多方面的研究，具体包括以下几个方面：首先，介绍了NTN的基本概念及其重要性，并全面概述了NTN的部署模式、应用场景和工作频段，同时详细描述了不同的系统架构；其次，探讨了NTN面临的主要技术挑战，并总结了相关的研究成果；最后，对NTN的未来发展进行了展望，指出了潜在的技术创新和发展路径。

摘要：为满足未来行业应用需求，6G网络需构建高性能、高灵活性和高可靠性的网络。从6G分布式网络场景和需求出发，设计了由中心网络节点和分布式网络节点组成的6G分布式网络架构，并提出了网络节点粒度的信息交互、业务连续性保障、网络自治及组网协同等关键技术。研究结果表明，该架构和关键技术能有效支持6G网络的多样化服务和灵活部署，为6G网络的发展提供理论支撑和实践指导。