《IEEE Communications Magazine》：Series Editorial: Network Softwarization and Management
编辑推荐：
本期《IEEE Communications Magazine》网络软体化与管理系列专题汇聚了十七篇前沿研究，针对6G、物联网、空天地一体化网络等演进中网络所面临的动态性、复杂性及智能性挑战，提出了涵盖AI原生管理、数字孪生赋能软体化、可编程数据平面精细控制等一系列创新方案。这些工作从多协议组网、内生智能推理、语义切片保障等多个维度推进技术创新，为解决未来网络的高效、可靠、自主管理提供了关键思路与可行路径，对推动网络软体化与智能管理领域的发展具有重要意义。
随着5G的规模化部署和6G愿景的展开，通信网络正朝着更高速率、更低时延、万物智联的方向演进。然而，这种演进也带来了前所未有的挑战：网络架构日益异构，融合了地面、卫星、空中等多种接入方式；业务需求极度多样，从工业互联网的确定时延到扩展现实(XR)的沉浸体验，再到全息通信的海量计算，传统基于硬件的、僵化的网络管理模式已难以为继。与此同时，人工智能(AI)的爆发为网络注入了新的智能，但也引入了模型安全、能耗、可信等新问题。如何在如此复杂的动态环境中，实现网络的灵活、高效、自主管理与优化，成为学术界和工业界共同关注的焦点。
为此，《IEEE Communications Magazine》推出了“网络软体化与管理”系列特刊，旨在汇集该领域最前沿的研究成果。网络软体化(Network Softwarization)倡导将网络功能、协议和服务的软件与可编程性方面与底层基础设施解耦，从而带来前所未有的灵活性、抽象性、自动化和智能化水平。网络管理(Network Management)则旨在集成网络的故障、配置、计费、性能和安全性(FCAPS)能力，并支持先进的自组织和自管理功能，这常常得益于网络软体化所带来的潜力。本系列第十五期收录的十七篇文章，正是从多个角度应对上述挑战的创新尝试。
研究人员综合运用了多种关键技术方法。在架构层面，普遍采用软件定义网络(SDN)、网络功能虚拟化(NFV)及O-RAN(开放无线接入网)等软体化架构作为基础，实现控制与转发的分离及网络的灵活编程。在使能技术方面，数字孪生(Digital Twin)被广泛用于构建网络虚拟映射，进行安全的“假设”分析；可编程数据平面技术（如P4）被用于实现细粒度的流量管理与在网计算(In-Network Computing)。智能核心方面，深度学习、强化学习(RL)及深度强化学习(DRL)等AI/ML技术被用于自主决策与优化；多智能体(Multi-Agent)系统被设计来解决分布式协同问题。此外，区块链技术为分布式数字孪生网络提供了信任与一致性保障，而语义通信、生成式人工智能(GenAI)等新兴范式则被引入以提升通信的智能与效率。
研究结果
1. 面向用户体验与确定性的资源编排
Santos等人研究了6G边云基础设施上网络化扩展现实(XR)服务的编排框架。通过融合用户感知的体验质量(QoE)指标与网络系统级关键绩效指标(KPI)，他们设计了一个基于强化学习的决策引擎，联合选择渲染位置和资源分配。评估表明，与传统的以网络为中心的方案相比，感知感知的编排能显著降低延迟并提高沉浸感。Cao等人则针对基于时间敏感网络(TSN)的工业物联网(IIoT)，提出了多智能体深度强化学习框架MAIRS，在软件定义的TSN架构下联合优化时间触发流的路由和时隙调度。通过在时隙粒度集成决策，MAIRS提高了传输成功率和带宽利用率。
2. 增强网络灵活性与智能的架构创新
Hou等人引入了多态网络(Polymorphic Network)范式，允许多种传输协议在共享基础设施中共存并动态部署。该架构将协议逻辑与底层数据平面分离，并提供统一的控制框架。Shen等人探索了在6G中使用数字代理(Digital Agent)实现以QoE为中心的自主网络管理，提出了一个边缘级和网络级代理协作的分层框架。Xu等人针对车联网(IoV)场景，研究了利用多模态生成式人工智能(GenAI)的语义通信，设计了结合多角色提示、跨模态语义转换和基于GenAI的场景重建的Multi-MSC框架，以在不可靠信道下支持视觉-文本信息的鲁棒传输。
3. 利用在网计算与数字孪生赋能新业务
Gherari等人关注具有在网计算能力的6G网络中的全息视频传输。所提架构通过将渲染任务卸载到可编程网络节点，并启用沿路径的并行处理，联合优化通信、计算和缓存(3C)资源，实现了更低的端到端延迟和更高的视觉质量。Cao等人则提出了一种利用区块链和边缘计算构建和运营数字孪生网络(DTN)的分布式架构(DeDTN)，将孪生模型、数据收集和控制逻辑分布在边缘节点，通过共识和智能合约进行协调以确保完整性和信任。
4. 网络切片在融合网络中的实践
Yang等人研究了具有时变拓扑和流量需求的软件定义空天地一体化网络(ISTN)中的网络切片(Network Slicing)，提出了一个利用集中式SDN控制来协调卫星和地面段、同时考虑轨道动力学和链路可变性的切片与资源编排框架。Chin等人在可编程P4数据平面中，为切片移动网络提出了一种实用的流量管理解决方案，引入了一个两阶段流水线，用于解析GTP隧道、将流分类到切片中，并完全在交换机硬件中强制执行切片特定的转发和QoS策略。
5. 开放智能与可信AI在6G管理中的集成
Baena等人将O-RAN概念延伸到非地面网络，为卫星辅助的6G系统提出了Space-O-RAN架构。该框架定义了星载和地面组件的开放接口和功能分割，引入了星载无线智能控制器(RIC)和服务管理与编排器(SMO)，并利用智能xApps/rApps进行跨多厂商平台的自适应资源管理和互操作。Li等人则系统研究了未来智能网络服务中AI生成内容(AIGC)的可信挑战，提出了TrustGAIN框架，将鲁棒性、安全性和公平性集成到支持AIGC的网络服务中。
6. 在网推理与DRL的实用化部署
Kim等人提出了MALOI，一个用于可编程数据平面的多任务感知低开销在网推理框架。通过利用多任务学习、特征选择和量化感知训练，MALOI允许多个推理任务共享隐藏层，同时尊重交换机严格的内存和计算限制。Li等人研究了如何将深度强化学习从模拟环境带入可操作的开放无线接入网(O-RAN)边缘网络。他们提出了一种集成ETSI移动边缘计算(MEC)和O-RAN组件的编排架构，以在不同时间尺度上托管DRL智能体，并确定了异步流量、异构拓扑与服务、收敛慢伴随服务中断三大实际挑战，提出了相应的解决策略。
7. 智能、绿色、可信的6G管理架构与语义切片
Toumi等人为6G引入了一个整体性管理与编排框架，共同考虑智能、能效和可信度。该架构嵌入了基于AI/ML的动态编排机制，由网络数字孪生支持安全的“假设”分析，并辅以分布式机器学习运营(MLOps)功能来监控和降低模型的能耗足迹。Zhou等人提出了SemSlice，一个将网络切片概念引入语义通信服务的软体化管理框架。它定义了通用语义切片模板和一组语义切片类型，以捕获任务感知和服务等级协议(SLA)驱动的需求，支持跨异构场景的可定制语义切片。
8. 支撑网络研究的拓扑生成与安全框架
Dadauto等人提出了Gen-AS，一个数据驱动的、用于生成逼真互联网自治系统(AS)拓扑的生成器。它实现了深度生成图互联网(DGGI)模型，直接从真实AS图中学习结构模式，并复现度分布、介数中心性、聚类和同配性等关键属性。Yang最后研究了如何利用集成学习(Ensemble Learning)来增强新兴低空经济(LAE)的安全性，分析了传统入侵检测系统面临的挑战，并提出了一个支持集成学习的恶意飞行器入侵跟踪框架。
结论与讨论
本系列文章从感知编排、确定性传输、多态组网、数字代理、语义通信、在网计算、分布式数字孪生、空天地一体化切片、可编程数据平面流量管理、星载O-RAN、可信AIGC、多任务在网推理、DRL实用化部署、智能绿色可信管理、语义网络切片到拓扑生成与安全等多个维度，全面展示了网络软体化与管理领域的最新进展。这些研究共同指向了几个核心趋势：一是深度智能化，AI/ML不再仅是外挂优化工具，而是内生于网络架构、协议设计与运维流程的核心；二是高度协同化，通过数字孪生、多智能体、开放接口等技术，实现跨域、跨层、跨实体的资源与策略协同；三是全方位可信化，在追求性能与效率的同时，对安全性、鲁棒性、隐私性、公平性与可解释性的关注日益凸显；四是实用化落地，研究越来越多地考虑实际部署约束，如设备资源限制、异构环境、标准化与互操作性等。
这些工作不仅为应对6G、物联网、工业互联网、低空经济等新兴场景的复杂需求提供了创新的解决方案，也通过原型实现、实验验证和案例分析，展示了其技术可行性与应用潜力。它们巩固了该系列作为推动网络软体化与管理领域创新与跨学科合作关键平台的角色。未来的研究将继续沿着这些方向深化，推动通信网络向更加自适应、自主化、高效可靠和泛在智能的方向持续演进。
