基于AI agent的6G内生智能技术框架及其应用

未来6G网络将内生支持通信和AI一体化服务,赋能丰富多彩的新业务,支撑社会高效可持续发展。为此,借鉴了IT行业AI Agent的应用范式,基于电信应用场景创新地提出了6G AI Agent技术框架的三大设计理念,包括多模型融合、定制化Agent和插件式环境交互,并基于该理念构建了6G AI Agent技术框架。通过环境交互层、Agent引擎层、模型调度层、模型基座层交互协同,实现了自主环境感知、自主任务生成和自主执行任务的能力。此外,以移动网络的智能感知任务为例,探索了AI Agent的使用场景及价值,为AI新技术在电信领域发展提供了新的思路和技术支撑。

基于大模型智能体的安全风险态势感知框架构建

[目的/意义]基于大模型智能体构建安全风险态势感知框架,可以将大模型智能体嵌入安全风险态势感知,为安全情报智能化转型提供参考,为安全风险监测预警效能提升提供支撑。[方法/过程]首先,运用规范研究法,对大模型智能体的研究进展及其赋能下的安全风险态势感知进行概述;其次,在系统论、博弈论、风险评估理论等的指导下,对大模型智能体驱动的安全风险态势感知运作机理进行剖析;最后,构建基于大模型智能体的安全风险态势感知框架并对其内涵进行解析。[结果/结论]构建的安全风险态势感知框架以大模型智能体为基础,智能感知风险态势要素;以多智能体博弈协作为依托,智慧评估安全风险态势;以仿真模拟技术为切入点,智能分析应用风险态势情报。以此系统、精准地刻画安全风险态势,为大模型智能体在安全情报领域的实践应用奠定基础。

生成式人工智能赋能网络安全运营降噪能力研究

在数字化时代背景下,网络安全面临的挑战日益增加,告警疲劳问题突出,传统的告警处理方法因难以区分真假威胁而效率低下。通过采用生成式人工智能(Artificial Intelligence,AI)技术,不仅能更准确地识别安全威胁、减少误报,还能提高安全事件处理的效率。此外,AI的数据分析能力也有助于安全团队更有效应对复杂安全事件,提升网络安全运营水平。AI技术在实际应用中面临准确度和可解释性挑战,通过引入大型语言模型代理(Large Language Model Agent,LLM Agent)降噪系统,集成大小模型的能力,结合告警态势感知和知识库数据,能进一步提高降噪的准确率,实现告警降噪的高效处理。

基于大模型的联动处置多智能代理协同框架

针对指挥员应对重大突发情况时的处置决策难题,提出一种基于大模型的联动处置多智能代理协同框架。该框架通过智能代理角色生成、多层级蒙特卡洛树与交互式提示学习等策略,优化群体决策效率与动作规划,同时引入分层机制与工作流管理理念,通过强化学习奖励函数共享提升协同效率,设计显式与隐式通信模式确保节点状态一致。实验表明,该框架在多种场景下表现优异,与传统任务分配手段相比,大大提高了面对突发事件时的反应速度和处置效率。

智能平台兴起与智能体涌现:大模型将变革社会与文明

大语言模型驱动的生成式人工智能正在改变其技术工具的属性,迭代成为新型平台。智能平台基于广阔的数据基础建立多样化的人工智能生态系统,从人类已有的数据中寻求解决方案、创造虚实交互的世界。智能平台时代智能体涌现,催生多智能体系统,构建现实与虚拟的层叠交互结构,变革现实的结构与形态,驱动关系重构(人机共生)、结构重组(虚实交互),导致经济与社会领域的功能性变革,势必驱动社会由外而内的适应性变迁,推动整个文明的进化。同时,智能体依赖、人机信任、价值体系的协同以及文化的滞后,将是智能平台背景下人类面临的新挑战。