基于AI的6G網(wǎng)絡(luò)安全技術(shù)分析

肖孚安 蔣志鳳 李小武 黃堂森

基于AI的6G網(wǎng)絡(luò)安全技術(shù)分析

肖孚安a蔣志鳳b李小武b黃堂森a

（湖南科技學(xué)院 a.信息工程學(xué)院;b.智能制造學(xué)院,湖南 永州 425199）

雖然5G以基于微服務(wù)架構(gòu)的網(wǎng)絡(luò)云化而聞名，6G網(wǎng)絡(luò)將與智能網(wǎng)絡(luò)緊密結(jié)合，因此人工智能（artificial intelligence, AI）在6G網(wǎng)絡(luò)中為各種機(jī)器學(xué)習(xí)技術(shù)推動(dòng)的創(chuàng)新和商業(yè)模式創(chuàng)造新的機(jī)遇。未來(lái)端到端的網(wǎng)絡(luò)自動(dòng)化需要系統(tǒng)主動(dòng)發(fā)現(xiàn)威脅，應(yīng)用智能緩解技術(shù)，并確保實(shí)現(xiàn)6G網(wǎng)絡(luò)的自我維持。不過(guò)6G與AI的結(jié)盟也可能是雙刃劍，在許多情況下AI可以分別用來(lái)保護(hù)或者侵犯安全與隱私。因此為了了解人工智能在6G網(wǎng)絡(luò)安全方面的作用，分析6G網(wǎng)絡(luò)中由于AI導(dǎo)致網(wǎng)絡(luò)安全方面可能遇到的挑戰(zhàn)，提出解決方案。

人工智能；6G；網(wǎng)絡(luò)安全

自2019年5G元年開啟 5G建設(shè)以來(lái)，已超過(guò)71.8萬(wàn)座5G基站大規(guī)模商用。站在5G的巨人肩膀上，全球業(yè)界已開啟對(duì)下一代移動(dòng)通信6G的探索研究。未來(lái)網(wǎng)絡(luò)的端到端自動(dòng)化需要6G網(wǎng)絡(luò)系統(tǒng)擁有主動(dòng)發(fā)現(xiàn)威脅、智能緩解技術(shù)和自我維持技術(shù)。因此，使用AI技術(shù)進(jìn)行安全設(shè)計(jì)對(duì)于基于網(wǎng)絡(luò)異常而非加密方法的潛在威脅的自主識(shí)別和響應(yīng)非常重要。

1 6G中的網(wǎng)絡(luò)安全隱患問(wèn)題

1.1 Pre_6G安全問(wèn)題

5G中的軟件定義網(wǎng)絡(luò)（software-defined networking，SDN）、網(wǎng)絡(luò)功能虛擬化（network function virtualization，NFV）、多接入邊緣計(jì)算（multi-access edge computing，MEC）和網(wǎng)絡(luò)切片等技術(shù)，仍然適用于6G系統(tǒng)，因此它們的安全問(wèn)題也將被6G繼承。與SDN相關(guān)的安全問(wèn)題包括對(duì)SDN控制器的攻擊、對(duì)北向和南向接口的攻擊，以及攻擊部署SDN控制器平臺(tái)的固有漏洞[1]。與NFV相關(guān)的安全問(wèn)題是針對(duì)虛擬機(jī)（virtual machines，VM）、虛擬網(wǎng)絡(luò)功能（virtual network functions，VNF）、虛擬機(jī)監(jiān)控程序、VNF管理器、NFV編排器的攻擊[2]。由于6G系統(tǒng)的大規(guī)模分布式特性，6G中的MEC容易受到物理安全攻擊、分布式拒絕服務(wù)（distributed denial of service，DDoS）攻擊。對(duì)網(wǎng)絡(luò)軟件化技術(shù)的攻擊使6G網(wǎng)絡(luò)很難實(shí)現(xiàn)動(dòng)態(tài)性和全自動(dòng)化。

1.2 6G架構(gòu)的安全性

6G蜂窩網(wǎng)絡(luò)將從小型蜂窩縮小為微型蜂窩，更密集的蜂窩部署、網(wǎng)狀網(wǎng)絡(luò)、多連接和設(shè)備對(duì)設(shè)備（device-to-device，D2D）通信將成為常態(tài)。分布式網(wǎng)絡(luò)更容易受到惡意方的攻擊，因?yàn)槊總€(gè)設(shè)備都具有網(wǎng)狀連接，從而增加被攻擊風(fēng)險(xiǎn)。無(wú)線接入網(wǎng)（radio access network，RAN）核心融合使高層RAN功能更加集中，并與分布式核心功能共存，如用戶平面微服務(wù)（user plane micro services, UPMS）和控制平面微服務(wù)（control plane micro service, CPMS）[3]。攻擊者可以針對(duì) UPMS 和 CPMS，影響由微服務(wù)提供服務(wù)的多個(gè)無(wú)線電單元。

1.3 6G技術(shù)的安全性

6G通信網(wǎng)絡(luò)將依靠人工智能實(shí)現(xiàn)完全自治的網(wǎng)絡(luò)。因此，對(duì)AI系統(tǒng)，特別是機(jī)器學(xué)習(xí)（machine learning, ML）系統(tǒng)的攻擊將影響6G[4]。中毒攻擊、數(shù)據(jù)注入、數(shù)據(jù)操縱、邏輯損壞、模型規(guī)避、模型反轉(zhuǎn)、模型提取和成員推理攻擊是對(duì)ML系統(tǒng)的常用攻擊手段。由于用戶通常看不到數(shù)據(jù)處理過(guò)程，對(duì)收集的數(shù)據(jù)的攻擊以及對(duì)私人數(shù)據(jù)的非故意使用會(huì)導(dǎo)致隱私問(wèn)題。區(qū)塊鏈技術(shù)也是6G系統(tǒng)的關(guān)鍵技術(shù)。區(qū)塊鏈適用于大規(guī)模分布式6G網(wǎng)絡(luò)中的分散資源管理、頻譜共享、服務(wù)管理。由于區(qū)塊鏈網(wǎng)絡(luò)公開存儲(chǔ)數(shù)據(jù)，目前基于非對(duì)稱密鑰加密的安全機(jī)制容易受到他人的攻擊，增加隱私保護(hù)難度?？梢姽馔ㄐ牛╲isible light communication，VLC）也是一種適用于室內(nèi)系統(tǒng)（如定位系統(tǒng)）和室外系統(tǒng)（如車對(duì)車通信）的技術(shù)[5]。針對(duì)VLC系統(tǒng)的常見攻擊，如竊聽、干擾、節(jié)點(diǎn)泄露系統(tǒng)，會(huì)妨礙VLC的安全使用。

2 AI在6G中提供安全和隱私保護(hù)

6G網(wǎng)絡(luò)的安全問(wèn)題，主要包括通過(guò)Pre_6G解釋從5G繼承的安全問(wèn)題、因6G中使用新的架構(gòu)和新技術(shù)引入的安全問(wèn)題、6G網(wǎng)絡(luò)體系結(jié)構(gòu)不同層可能受到的攻擊，如圖1所示。6G網(wǎng)絡(luò)架構(gòu)從底層至上層分別包括智能感知層、智能邊緣層、智能控制層、智能應(yīng)用層，其中每一層的功能與對(duì)應(yīng)的安全風(fēng)險(xiǎn)如圖2所示。

智能安全和隱私保護(hù)是AI在6G系統(tǒng)中角色的一部分。本文介紹AI在pre_6G安全、6G架構(gòu)安全、6G技術(shù)安全和6G隱私中的使用。

圖1 智能6G架構(gòu)以及6G安全和隱私問(wèn)題

圖2 6G安全問(wèn)題總覽

針對(duì)基于人工智能系統(tǒng)的三種主要攻擊：1）數(shù)據(jù)中毒是指在數(shù)據(jù)集中插入錯(cuò)誤的標(biāo)記數(shù)據(jù)或更改輸入對(duì)象以誤導(dǎo)機(jī)器學(xué)習(xí)算法；2）算法中毒通過(guò)在局部學(xué)習(xí)模型中上傳操縱權(quán)重來(lái)影響算法的分布式學(xué)習(xí)過(guò)程；3）模型中毒以惡意模型替換部署的模型。在以上三種攻擊類型中，數(shù)據(jù)中毒是主要挑戰(zhàn)，因?yàn)槭彝猸h(huán)境中的大多數(shù)輸入對(duì)象都是可訪問(wèn)的，攻擊者可以輕松地進(jìn)行復(fù)雜的編輯，如圖3所示。

2.1 使用AI識(shí)別/優(yōu)化6G之前的安全問(wèn)題

在支持SDN/NFV的網(wǎng)絡(luò)中，可以使用深度強(qiáng)化學(xué)習(xí)和深度神經(jīng)網(wǎng)絡(luò)（deep neural networks，DNN）的多層入侵檢測(cè)和預(yù)防方法[6]。與幾種傳統(tǒng)方法相比，它們能有效抵御IP欺騙攻擊、流表過(guò)載攻擊、DDoS攻擊、控制平面飽和攻擊和主機(jī)位置劫持攻擊。決策樹和隨機(jī)森林等ML方法由于其處理時(shí)間短和準(zhǔn)確性高，在SDN環(huán)境中檢測(cè)DDoS攻擊也被證明是有用的。6G網(wǎng)絡(luò)期望按需動(dòng)態(tài)部署虛擬功能，于是基于ML的自適應(yīng)安全方法能有效抵御SDN/NFV攻擊。由于設(shè)備資源的限制，大規(guī)模異構(gòu)網(wǎng)絡(luò)中密鑰管理的困難，以及大量的設(shè)備生成海量數(shù)據(jù)，使得傳統(tǒng)的“認(rèn)證/授權(quán)”系統(tǒng)不足以在大規(guī)模物聯(lián)網(wǎng)中提供足夠的安全保護(hù)。6G中的子網(wǎng)可被視為本地5G網(wǎng)絡(luò)在垂直域以外的擴(kuò)展，子網(wǎng)內(nèi)和不同子網(wǎng)之間擁有基于學(xué)習(xí)的安全技術(shù)[7]。部署在外圍的基于ML的算法可以捕獲其他子網(wǎng)的行為，并檢測(cè)來(lái)自這些子網(wǎng)的惡意流量。這些網(wǎng)絡(luò)通常是獨(dú)立運(yùn)行，所以從一個(gè)子網(wǎng)絡(luò)到另一個(gè)子網(wǎng)絡(luò)的大規(guī)模數(shù)據(jù)傳輸可能沒(méi)有用。為了提高通信效率，一個(gè)子網(wǎng)只能將學(xué)到的安全信息共享給另一個(gè)子網(wǎng)。第二個(gè)子網(wǎng)絡(luò)可以利用得到的安全信息，將其輸入其ML模型，確定其他網(wǎng)絡(luò)的惡意流量，并應(yīng)用動(dòng)態(tài)策略。

圖3 對(duì)基于機(jī)器學(xué)習(xí)系統(tǒng)攻擊方法和潛在的防御方法

2.2 使用AI優(yōu)化6G架構(gòu)的安全問(wèn)題

與目前基于云的集中式人工智能系統(tǒng)相比，6G將主要依靠邊緣智能。分布式特性使基于邊緣的聯(lián)合學(xué)習(xí)方法能夠在大規(guī)模設(shè)備和數(shù)據(jù)環(huán)境中實(shí)現(xiàn)網(wǎng)絡(luò)安全，確保通信效率。6G架構(gòu)設(shè)想互聯(lián)智能，并在不同網(wǎng)絡(luò)層次結(jié)構(gòu)上使用AI。利用AI在最底層阻止微單元云服務(wù)器上的拒絕服務(wù)（denial of service，DoS）攻擊。網(wǎng)狀網(wǎng)絡(luò)中設(shè)備的多連通性允許多個(gè)基站使用AI分類算法評(píng)估設(shè)備的行為，并使用加權(quán)平均方案共同決定真實(shí)性。因?yàn)槲⑿托^(qū)和多址技術(shù)會(huì)導(dǎo)致頻繁的切換，利用基于行為的方案可以減少頻繁密鑰交換造成的開銷。通過(guò)聯(lián)合學(xué)習(xí)，子網(wǎng)級(jí)和廣域網(wǎng)級(jí)可以實(shí)現(xiàn)不同級(jí)別的授權(quán)。只有在需要外部通信時(shí)，才能把在子網(wǎng)內(nèi)學(xué)習(xí)到的信任分?jǐn)?shù)在外部共享。因?yàn)榫W(wǎng)絡(luò)邊緣已經(jīng)擁有智能服務(wù)提供的數(shù)據(jù)，所以基于學(xué)習(xí)的入侵檢測(cè)方法可以很好地防止對(duì)CPM和UPM的攻擊。基于人工智能的零接觸網(wǎng)絡(luò)與服務(wù)管理（zero-touch network and service management，ZSM）等框架配備了域分析和域智能服務(wù)。

2.3 使用AI優(yōu)化6G技術(shù)的安全問(wèn)題

使用AI的預(yù)測(cè)分析可以在攻擊發(fā)生之前預(yù)測(cè)到將要受到攻擊，例如部分區(qū)塊鏈攻擊?；趶?qiáng)化學(xué)習(xí)（RL）的智能波束形成技術(shù)為VLC系統(tǒng)中的竊聽攻擊提供了最優(yōu)的波束形成策略[8]。由于干擾與DoS攻擊方法相似，因此配備AI的基于異常的檢測(cè)系統(tǒng)是檢測(cè)干擾攻擊的可能解決方案。多連接性、網(wǎng)狀網(wǎng)絡(luò)和6G中的微型單元允許設(shè)備通過(guò)多個(gè)基站同時(shí)通信。隱私保護(hù)路由可以基于邊緣的ML模型進(jìn)行動(dòng)態(tài)檢測(cè)，對(duì)其進(jìn)行排名，并允許設(shè)備根據(jù)排名通過(guò)隱私保護(hù)路由傳輸數(shù)據(jù)。與基于云的集中式學(xué)習(xí)相比，聯(lián)合學(xué)習(xí)可以讓用戶容易感知自己的數(shù)據(jù)，以增強(qiáng)數(shù)據(jù)隱私和位置隱私。6G子網(wǎng)級(jí)AI允許子網(wǎng)內(nèi)隱私保護(hù)，并且只共享外部學(xué)習(xí)到的智能，以最大程度地降低隱私風(fēng)險(xiǎn)。

3 問(wèn)題和對(duì)策

盡管人工智能在6G系統(tǒng)中很重要，但人工智能有其安全、隱私和道德問(wèn)題[9]。例如在無(wú)人駕駛應(yīng)用場(chǎng)景中，攻擊者使用無(wú)人機(jī)在道路橫幅上投射一個(gè)經(jīng)過(guò)操縱的交通燈圖像，以誤導(dǎo)自動(dòng)駕駛車輛中基于人工智能的駕駛控制，人工智能可以是發(fā)起智能攻擊的工具，如圖4所示。

圖4 人工智能發(fā)起智能攻擊示意圖

3.1 人工智能中的安全問(wèn)題

問(wèn)題：6G通過(guò)支持AI功能實(shí)現(xiàn)互聯(lián)智能，通常會(huì)配置機(jī)器學(xué)習(xí)（ML）功能，但是ML系統(tǒng)容易受到安全威脅。病毒攻擊會(huì)影響ML系統(tǒng)的學(xué)習(xí)階段，導(dǎo)致模型學(xué)習(xí)不準(zhǔn)確。例如數(shù)據(jù)注入、數(shù)據(jù)操作、邏輯損壞等病毒攻擊。利用精心制作的對(duì)抗樣本躲避病毒攻擊對(duì)推斷階段的影響。模型提取、模型反轉(zhuǎn)和成員推斷是基于API的對(duì)ML模型的攻擊。

解決方案：對(duì)抗性機(jī)器學(xué)習(xí)和移動(dòng)目標(biāo)防御等潛在對(duì)策可以創(chuàng)建彈性AI系統(tǒng)。針對(duì)病毒攻擊的輸入驗(yàn)證和魯棒學(xué)習(xí)、針對(duì)規(guī)避攻擊的對(duì)抗性訓(xùn)練和防御凈化方法、針對(duì)基于API攻擊的差異隱私和同態(tài)加密以及其他防御機(jī)制。在這些防御機(jī)制中，防御的加強(qiáng)和系統(tǒng)總體性能下降之間的平衡是一個(gè)設(shè)計(jì)挑戰(zhàn)。

3.2 人工智能中的隱私問(wèn)題

問(wèn)題：由于人工智能具有大規(guī)模數(shù)據(jù)分析能力，再加上未來(lái)計(jì)算機(jī)的處理速度和未來(lái)網(wǎng)絡(luò)的自動(dòng)化需求，人工智能很容易泄露隱私。6G需要通過(guò)數(shù)十億臺(tái)設(shè)備收集大量用戶數(shù)據(jù)，而用戶不能感知外部系統(tǒng)如何處理他們的數(shù)據(jù)。例如，所提出的智能認(rèn)證系統(tǒng)依賴于物理屬性，可能使用用戶的私有數(shù)據(jù)。向人工智能系統(tǒng)提供個(gè)人數(shù)據(jù)的物聯(lián)網(wǎng)設(shè)備是數(shù)據(jù)盜竊的潛在目標(biāo)，例如低功耗傳感器。對(duì)ML進(jìn)行模型反轉(zhuǎn)攻擊以檢索訓(xùn)練數(shù)據(jù)也可能是侵犯隱私的來(lái)源。

解決方案：基于邊緣的聯(lián)合學(xué)習(xí)通過(guò)實(shí)施物理控制來(lái)維護(hù)更接近用戶的數(shù)據(jù)，從而保護(hù)數(shù)據(jù)隱私。同態(tài)加密允許在不解密數(shù)據(jù)的情況下執(zhí)行數(shù)學(xué)運(yùn)算，對(duì)隱私保護(hù)實(shí)施技術(shù)控制。需要對(duì)同態(tài)加密進(jìn)行進(jìn)一步研究，以確保加密數(shù)據(jù)的學(xué)習(xí)與普通數(shù)據(jù)的學(xué)習(xí)產(chǎn)生相同的輸出。差異隱私技術(shù)可以在訓(xùn)練數(shù)據(jù)中加入隨機(jī)噪聲，防止私人信息向?qū)W習(xí)模型泄露。

3.3 人工智能中的倫理問(wèn)題

問(wèn)題：機(jī)器學(xué)習(xí)的方式不同于人類感知事物的方式，機(jī)器也不像人類那樣考慮道德問(wèn)題。人工智能系統(tǒng)的行為方式取決于它們的教學(xué)和培訓(xùn)方式，然而它們不能像人類那樣在異常情況下違背邏輯行事。

解決方案：“設(shè)計(jì)倫理”方法在人工智能系統(tǒng)設(shè)計(jì)的初級(jí)階段引發(fā)了關(guān)于倫理含義的爭(zhēng)論。在智能6G系統(tǒng)中，在早期階段考慮道德規(guī)范可能很有用。指南、法律和法規(guī)是在6G環(huán)境下解決數(shù)據(jù)道德和所有權(quán)問(wèn)題的可能措施，以實(shí)現(xiàn)風(fēng)險(xiǎn)和收益之間的平衡。

3.4 使用AI攻擊6G

問(wèn)題：AI能夠利用基于邊緣的分布式體系結(jié)構(gòu)做出智能決策，AI本身可以在不同的時(shí)間發(fā)現(xiàn)大量數(shù)據(jù)中的模式級(jí)別（智能無(wú)線電、邊緣和云）。因此AI本身可以在不同的時(shí)間發(fā)現(xiàn)大量數(shù)據(jù)中的模式級(jí)別（智能無(wú)線電、邊緣和云）。因此，基于人工智能的機(jī)制有可能發(fā)現(xiàn)網(wǎng)絡(luò)的漏洞。例如，AI可以掌握網(wǎng)絡(luò)中最脆弱的物聯(lián)網(wǎng)設(shè)備，將其轉(zhuǎn)化為機(jī)器人，并對(duì)關(guān)鍵節(jié)點(diǎn)發(fā)起DDoS攻擊。

解決方案：基于AI的智能攻擊的應(yīng)對(duì)措施是實(shí)施更智能的防御系統(tǒng)，它們可以通過(guò)人工智能本身使用分布式智力。針對(duì)算法中毒攻擊的簡(jiǎn)單防御方法，通過(guò)比較原始數(shù)據(jù)輸入和壓縮數(shù)據(jù)輸入上的模型預(yù)測(cè)，可以檢測(cè)到對(duì)抗性模型，如果兩個(gè)預(yù)測(cè)的結(jié)果相差很大，則原始輸入似乎受到了污染（對(duì)抗性樣本）。為了保護(hù)輸出完整性（在部署階段），可以使用許多方法，例如輸出模糊處理和預(yù)測(cè)凈化，如圖5所示。6G網(wǎng)絡(luò)的潛在應(yīng)用包括多傳感器擴(kuò)展現(xiàn)實(shí)、連接機(jī)器人和自治系統(tǒng)、無(wú)線腦機(jī)交互、智能電網(wǎng)2.0、工業(yè)5.0等，為了提高6G應(yīng)用的安全性，對(duì)不同的應(yīng)用采用不同級(jí)別人工智能安全算法，例如基于異常的入侵檢測(cè)、用于身份驗(yàn)證和授權(quán)的機(jī)器學(xué)習(xí)、使用AI面向服務(wù)的隱私保護(hù)、對(duì)抗性ML、差別隱私、基于ML的同態(tài)加密、AI區(qū)塊鏈等，而攻擊者根據(jù)不用的應(yīng)用場(chǎng)景，也會(huì)對(duì)AL/ML模型采用不同的病毒攻擊方法，例如表1列出了基于AI的安全/隱私解決方案的重要性和針對(duì)不同6G應(yīng)用程序的攻擊。

圖5 算法中毒攻擊的簡(jiǎn)單防御方法

表1 基于AI的安全/隱私解決方案的重要性和針對(duì)不同6G應(yīng)用程序的攻擊

注：H代表高優(yōu)先級(jí)；M代表中優(yōu)先級(jí)；L代表低優(yōu)先級(jí)。

4 結(jié) 論

AI是下一代6G移動(dòng)網(wǎng)絡(luò)中的關(guān)鍵技術(shù)，確保安全性是實(shí)現(xiàn)6G這一目標(biāo)的關(guān)鍵因素。支持AI的6G必須為系統(tǒng)安全提供智能、強(qiáng)健的安全解決方案。本文概述了智能安全和隱私保護(hù)作為AI在6G系統(tǒng)中角色的一部分所面臨的眾多機(jī)遇和挑戰(zhàn)。此外還通過(guò)討論基于人工智能的安全和隱私保護(hù)方面的挑戰(zhàn)來(lái)確定未來(lái)的研究方向，并提出可行的解決方案。

[1]HUANG X L, CHENG S, CAO K, et al.A survey of deployment solutions and optimization strategies for hybrid SDN networks[J]. IEEE Communications Surveys & Tutorials, 2019, 21(2):1483-1507.

[2]NENCIONI G, GARROPPO R G, GONZALEZ A J, et al. Orchestration and control in software-defined 5G networks:Research challenges[J]. Wireless Communications and Mobile Computing, 2018, 2018:1-18.

[3]ZIEGLER V, VISWANATHAN H, FLINCK H, et al. 6G architecture to connect the worlds[J]. IEEE Access,2020,8: 173508-173520.

[4]WANG T, WANG S W, ZHOU Z H. Machine learning for 5G and beyond:From model-based to data-driven mobile wireless networks[J]. China Communications, 2019, 16(1): 165-175.

[5]BLINOWSKI G. Security of Visible Light Communication systems—A survey[J]. Physical Communication, 2019, 34: 246-260.

[6]SAMUEL N, DISKIN T, WIESEL A. Deep MIMO detection[C] //2017 IEEE 18th International Workshop on Signal Processing Advances in Wireless Communications (SPAWC). July 3-6, 2017, Sapporo, Japan. IEEE, 2017:1-5.

[7]AFOLABI I, TALEB T, SAMDANIS K, et al. Network slicing and softwarization:A survey on principles,enabling technologies,and solutions[J].IEEE Communications Surve- ys & Tutorials, 2018, 20(3):2429-2453.

[8]Ma X, Gao J N, Yang F, et al. Integrated power line and visible light communication system compatible with multi-service transmission[J]. IET Communications, 2017, 11(1):104-111.

[9]You X H, Wang C X, Huang J, et al. Towards 6G wireless communication networks:Vision, enabling technologies, and new paradigm shifts[J]. Science China Information Sciences, 2020, 64(1):1-74.

TN918.91

A

1673-2219（2021）05-0062-04

2021-07-18

湖南科技學(xué)院科學(xué)研究項(xiàng)目（20XKY052；20XKY056）；湖南科技學(xué)院教改項(xiàng)目（XKYJ2019006）。

肖孚安（1986－），男，湖南邵陽(yáng)人，碩士，助教，研究方向?yàn)榉钦欢嘀方尤?、網(wǎng)絡(luò)安全。

（責(zé)任編校：宮彥軍）