Data-driven Techniques for Secure and Energy-aware AI-native Cellular Networks

• Autores: Hao Qiang Luo Chen
• Directores de la Tesis: Raquel Barco Moreno (dir. tes.), Emil Jatib Khatib (dir. tes.)
• Lectura: En la Universidad de Málaga ( España ) en 2026
• Idioma: inglés
• Programa de doctorado: Programa de Doctorado en Ingeniería de Telecomunicación por la Universidad de Málaga
• Enlaces
  • Tesis en acceso abierto en: RIUMA
• Resumen

  • En la sociedad conectada actual, las necesidades de comunicación están muy presentes y son la fuerza motora que impulsa la evolución de las redes móviles hacia nuevas generaciones y paradigma (5G, 6G, O-RAN, etc.) para mejorar la prestación de servicios. Dada la complejidad de las redes actuales, la gestión de estas está convergiendo al uso de mecanismos de inteligencia artificial y aprendizaje máquina, puestos que tienen una capacidad de identificación automática de patrones para la gestión de red. Para ello, se requieren datos para múltiples procesos (entrenamiento, evaluación, exploración del escenario, etc.).

    El eje central de esta tesis son los datos en redes celulares. Por una parte, se han llevado a cabo tareas para entender las características de los datos en situaciones de comunicación no convencional; tales como bajo degradaciones o en un entorno crítico de emergencia. Además, una vez que se disponen de datos, se manipulan sus características de la forma apropiada para que sean útiles para los algoritmos de aprendizaje máquina; por ejemplo, que tenga el formato espacial (para la localización de usuarios) o temporal (para la previsión del consumo de potencia) adecuadas. Asimismo, los datos pueden sufrir alteraciones que cambian sus propiedades y atributos, y eso puede desembocar en un aprendizaje incorrecto.

    Descripción De este trabajo, se han logrado avances en varios puntos: un conocimiento de las propiedades de los datos para modelarlos y para conocer la idoneidad para la comunicación en emergencias. Además, se han propuesto métodos para aflorar la información contenida en las muestras, mediante un proceso de ingeniería de atributos. Consiguiendo un sistema de localización independiente del escenario y previsión del consumo en redes O-RAN, aprovechando las características de su arquitectura. Por último, se han propuesto métricas que sirvan para desarrollar métodos de defensa ante ataques, y también entender el consumo energético de dichas soluciones.