近年来，5G网络的规模化部署与6G研究的全面展开，正推动通信技术从单纯的“连接媒介”向支撑千行百业的“智能底座”深刻演进。面对低空经济、工业互联网、全息通信等新兴场景对超高带宽、超低时延、超高可靠性与内生智能的极致需求，网络架构正经历从“地面覆盖”向“空天地海一体化”、从“集中控制”向“分布式智能”的根本性变革。这一变革的核心，在于实现通信与感知、计算、安全的深度融合。关于这些前沿方向的探索，本篇将为您提供更多论文选题灵感。

论文一

基于运行中巨型星座的透明5GNTN架构性能探索

https://doi.org/10.3390/network5030025

本文探索了基于巨型星座的5G非地面网络 (NTN) 的不同透明架构。具体而言，我们研究了中继回传链路、中传链路以及NR信号时的所提供的时间性能。研究结果表明，回传链路架构与中传链路架构取得了相近的性能表现。

选题方向参考

根据本研究得出的结论，透明架构为特定应用场景 (如主要聚焦于回传与中传的场景) 带来了优势。研究还验证了在5G网络中应用巨型星座的可行性，并强调了其卓越的性能表现。尽管如此，由于Uu协议栈涉及诸多对时间敏感的信令流程，给透明架构带来了显著挑战，因此，再生式架构在降低用户设备与基站间传输时延方面的能力可能至关重要。目前来看，本文预计这两种架构将长期共存，因为它们分别适用于不同的应用场景，并能提供互补的优势。

论文二

迈向智能5G基础设施：一种新型支持软件定义网络的车联网框架的性能评估

https://doi.org/10.3390/network5030028

本研究旨在开发一个可靠、自适应且协作的基于软件定义网络 (SDN) 的5G车联网 (VANET) 框架，该框架能够根据网络状况动态调整以增强联网车辆的动态服务质量 (QoS) 管理。与现有解决方案相比，本文提出的框架利用了SDN基础网络，在所有测试中实现了100%的数据包交付率，展示了在车辆通信方面的显著可靠性。

选题方向参考

本研究观察到的一个局限性是SDN网关引入了处理延迟，这需要进一步的优化。此外，本文仅对所提出框架进行了初步性能评估，尚未包含在5G网络环境下的全面容量测试。未来的工作将针对这些局限性展开进一步研究，同时探索其他关键挑战，如资源受限边缘节点的能效问题、超低延迟需求，以及高车辆移动性在5G车联网环境中的影响。

论文三

面向6G网络的高级安全框架：融合深度学习与物理层安全技术

https://doi.org/10.3390/network4040023

本文提出了一种先进的框架，用于保障6G通信的安全性，该框架将深度学习与物理层安全 (PLS) 技术相结合。所提出的模型采用了多阶段检测机制，以增强对6G空中接口的各种攻击的防护能力。

选题方向参考

未来的研究可进一步扩展并加强本研究的成果：将研究范围拓展到欺骗干扰、阻塞干扰和窃听攻击以外的更广泛的攻击类型，特别是在物联网环境中结合区块链辅助认证的背景下。此外，未来另一项工作旨在将我们的安全框架与6G其他现有方法 (如量子通信、基于区块链的方法和零信任架构) 进行全面比较。最后，可通过将隐蔽通信作为物理层安全的补充安全机制来扩展此项研究，为6G安全提供更全面的方法，同时增强传输的隐私性和不可检测性。

论文四

面向6G智能交通系统的统一分布式机器学习：一种适用于陆地和非陆地网络的分层方法

https://doi.org/10.3390/network5030041

本文提出了一个统一且智能的分布式机器学习框架——梯度融合与协同迁移学习 (GFSTL)，旨在满足运行于多层集成陆地/非陆地网络的6G智能交通系统的复杂需求。本研究的核心贡献在于设计了一种新型架构，该架构通过协同结合联邦学习、迁移学习和持续学习，有效解决了大规模异构环境中固有的可扩展性、数据隐私保护和资源效率等关键挑战。

选题方向参考

未来的研究应着重于将GFSTL框架扩展到应对这些现实世界的复杂性。一个关键的后续步骤是在硬件测试平台或能够模拟动态与不可预测条件的更先进的网络仿真器中开发和评估GFSTL。此外，还需要进一步研究能够有效处理来自异构客户端的、非独立同分布数据的高级聚合策略，以防止模型漂移并确保公平性。最后，探索能够实时优化多层架构中计算与通信资源分配的动态资源管理算法，将是一项有价值的贡献。本工作为未来研究奠定了坚实基础，有望进一步推动面向6G时代的智能、互联且强韧的交通生态系统的发展。

论文五

面向5G网络安全的自适应实时风险与影响评估

https://doi.org/10.3390/network6010003

本文提出了一个针对5G核心网安全的综合性风险与影响评估框架。该框架依托SAND5G平台集成的Snort入侵检测系统，能够实时高效地检测、分类并关联安全告警，将原始的入侵检测系统数据转化为结构化的风险评分，从而实现优先级的应急响应处置。

选题方向参考

未来的工作将扩展这一框架，以应对更复杂和实际的5G部署需求。计划中的改进包括整合更多的入侵检测系统解决方案和基于人工智能的分析，以实现自适应威胁分类；优化检测规则以减少误报；以及纳入标准化或定制的风险指标。该框架的模块化架构允许通过添加新的检测引擎、分析模块或策略改进工具来扩展功能，同时在异构环境中保持可扩展性。此外，未来的评估还将考虑5G特有的威胁，如信号风暴、切片配置错误和服务架构漏洞，以及包括误报/误检、缓解延迟和对服务连续性的总体影响等性能指标。这些扩展旨在确保下一代网络具有弹性、自动化和基于情境的安全监控能力。

• Network 期刊介绍

主编：Alexey Vinel, Halmstad University, Sweden        

期刊专注于网络科学与技术的前沿研究，涵盖了广泛的研究领域，包括但不限于网络协议与架构设计、边缘计算、云计算、雾计算、人工智能与机器学习在网络中的应用、区块链技术、网络安全与隐私保护、5G/6G无线通信技术、物联网 (IoT)、绿色网络与能源效率优化等多个领域。目前期刊已被 ESCI (Web of Science), Scopus, EBSCO等数据库收录。

2024 Impact Factor：3.1

2024 CiteScore：6.5

Time to First Decision：23.9 Days  

Acceptance to Publication：5.7 Days

期刊主页：https://www.mdpi.com/journal/network