【摘 要】为了促使6G与联邦学习技术的深度融合，讨论了联邦学习技术在6G中的研究进展，主要包括联邦学习技术在标准中的研究进展、基于联邦学习技术的分布式智能化网络架构的研究进展以及联邦学习使能技术的研究进展等。以联邦学习技术在6G中的部署与应用为着眼点，对联邦学习技术在6G中的部署及应用方案进行分析，最后阐明了联邦学习技术在6G部署时可能面临的问题和挑战、需要关注的研究重点以及潜在的研究方向。
【关键词】6G；联邦学习；网络智能化
0 引言
伴随着5G在全球范围内的广泛部署，业界已开启了下一代移动通信技术（6G）的研究和探索。2019年3月，在芬兰举行的全球首届6G峰会上，70位来自各国的通信专家共同商议拟订了全球首份6G白皮书[1]，明确了6G发展的基本方向。在此之后，围绕6G概念与愿景、需求与挑战以及潜在关键技术等，陆续发布了6G相关白皮书[2-5]。研究者们普遍认为，智能化将是6G网络发展的重要方向，人工智能（AI）技术将是6G网络的重要组成部分[5]。
6G网络向智能化方向发展的关键在于对数据的合理采集、处理和应用。近年来，大数据的出现、AI技术的演进以及算力的巨大提升，为6G的智能化发展提供了新的驱动力，与此同时，重视数据隐私和数据安全也已经成为世界性趋势。传统的AI技术需要中央服务器进行集中的数据收集和处理，但在大多数场景中由于行业竞争、数据隐私安全等，数据以孤岛的形式存在，不同数据源之间存在着难以打破的壁垒，实现数据整合几乎是不可能的，这也成为6G网络向智能化方向发展的瓶颈之一。因此，在6G网络智能化演进中如何引入分布式技术以及可信的AI技术，在