El mapeo y la detección precisos, la privacidad de los datos y la seguridad son preocupaciones clave tanto para el 5G como para las futuras implementaciones del 6G. Por ello las redes 6G deben ser más adaptables, inteligentes y energéticamente eficientes, a la vez que ofrecen medidas de seguridad y privacidad más robustas. En este contexto, el proyecto Enable-6G ha trabajado para liberar el potencial de las futuras redes 6G, abordando desafíos como una mayor conectividad y demanda de rendimiento y detección, así como una comunicación avanzada de objetos y entornos.
Liderado por el Instituto IMDEA Networks, Enable-6G se ha centrado en la protección avanzada de la privacidad y la reducción del consumo energético por dispositivo. Para ello, el proyecto se ha divido en dos líneas principales de trabajo, basadas en dos subproyectos: MAP-6G y RISC-6G. Ambos han explorado distintos aspectos fundamentales para las futuras redes: desde la eficiencia energética y las capacidades de localización hasta la protección de datos y el procesamiento avanzado con inteligencia artificial (IA).
Desde técnicas de localización de alta resolución hasta optimización de redes impulsada por IA, el proyecto generó una amplia gama de resultados, que incluyeron una plataforma de prueba en entornos reales diseñada para mejorar la precisión de localización en redes 5G y algoritmos de detección inalámbrica capaces de habilitar la monitorización en tiempo real.
Además, el proyecto desarrolló métodos optimizados de aprendizaje federado (FL) para 6G, apoyando un aprendizaje automático distribuido y con preservación de la privacidad en el borde de la red. También exploró avances en antenas de radio y tecnologías MIMO, que tienen el potencial de mejorar significativamente la eficiencia espectral y la escalabilidad de la red. Asimismo, el proyecto integró mecanismos de recolección de energía inalámbrica a través de señales inalámbricas.
Mejora la comunicación inalámbrica en el subproyecto RISC-6G
El subproyecto RISC-6G ha abordado la problemática que presentan las futuras redes 6G, las cuales involucrarán una mayor cantidad de dispositivos conectados, unos requisitos de rendimiento significativamente más altos y un soporte para la detección detallada de objetos y entornos, además de la comunicación. Este subproyecto se ha centrado en la mejora de las comunicaciones, para proporcionar detección ambiental a la par que se reduce significativamente la huella de energía por dispositivo, evitando un gran aumento en el consumo general de energía de la red.
Entre las estrategias analizadas en RISC-6G, destacan dos tecnologías prometedoras. Por un lado, la utilización de comunicación basada en luz visible de baja potencia (LiFi), que aprovecha la capacidad de las luces LED para transmitir datos en el espectro visible. Por otro lado, el uso de superficies de inteligencia reconfigurables (RIS), que permite modificar propiedades de las paredes o superficies para mejorar la comunicación inalámbrica.
Al integrar estos avances, se busca incrementar la robustez de la red y su capacidad para soportar interrupciones o degradaciones en el enlace, optimizando la experiencia móvil para usuarios y aplicaciones especializadas.
El subproyecto MAP-6G prioriza la protección de la privacidad
Por su parte, el subproyecto MAP-6G ha tenido el objetivo de habilitar un espacio cibernético sensorialmente inmersivo para la tecnología 6G, concretamente un gemelo digital. Además, MAP-6G ha diseñado mecanismos nativos de aprendizaje automático orientados a aplicaciones en 6G que prioricen la protección de la privacidad de los datos.
El objetivo era gestionar de forma segura y eficiente el enorme flujo de información generado por los servicios y dispositivos conectados, manteniendo el equilibrio entre funcionalidad y protección de los datos personales. La estrategia ha contemplado el desarrollo de algoritmos innovadores que se integran en la infraestructura de red y responden a las crecientes demandas tecnológicas de la nueva generación móvil.
Uno de los propósitos centrales de MAP-6G ha sido contribuir a la creación de equipos comerciales, prototipos de uso industrial y plataformas experimentales abiertas dentro del ámbito de pruebas de concepto 6G. Estos avances permitirán a la industria y a la comunidad científica probar nuevas ideas en fases tempranas y acelerar la adopción de tecnologías disruptivas que beneficiarán a todo el ecosistema digital.
Progresos tecnológicos de Enable-6G
A través de estos subproyectos, el proyecto Enable-6G ha entregado un total de 20 activos innovadores, cada uno contribuyendo a avances clave en áreas como inteligencia de red, eficiencia energética, localización y análisis con preservación de la privacidad.
Uno de los aspectos más destacados de las actividades de MAP-6G incluye la propuesta del marco Det-RAN, una plataforma de detección de ataques en tiempo real basada en datos y de capas cruzadas en 5G Open RAN. Det-RAN aborda el problema de las vulnerabilidades ante amenazas de seguridad en redes celulares, principalmente debido a la falta de protección de integridad en la capa de control de recursos de radio (RRC).
Para abordar este problema, se propuso un marco de detección de anomalías en tiempo real que aprovecha el concepto de aplicaciones distribuidas en redes 5G Open RAN. Se identificaron características de la capa física (PHY) que pueden generar una huella confiable para inferir, de una manera novedosa, el tiempo de llegada de paquetes uplink sin protección de integridad y manejar características de capas cruzadas.
Al identificar fuentes legítimas de mensajes y detectar actividades sospechosas mediante un diseño de inteligencia artificial, han demostrado que las aplicaciones basadas en Open RAN ejecutadas en el borde pueden ser diseñadas para proporcionar seguridad adicional a la red.
En el caso del subproyecto RISC-6G, el resultado más llamativo ha sido la propuesta del marco AIChronoLens, una herramienta de IA explicable (xAI) diseñada para mejorar la interpretabilidad de los modelos de aprendizaje automático utilizados en la predicción de series temporales para redes móviles.
Con los modelos de inteligencia artificial y machine learning (AI/ML), cada vez más integrados en la gestión de recursos de red, AIChronoLens ayuda a reducir la brecha de confianza haciendo que estos modelos sean más transparentes y comprensibles. AIChronoLens puede distinguir entre defectos de diseño y errores de predicción impulsados por datos, permitiendo al equipo de desarrollo mejorar la precisión y la fiabilidad de los modelos con un rendimiento superior al de los modelos más avanzados actuales.
Al concluir el proyecto, Enable-6G ha aportado un avance científico e innovación colaborativa. Sus contribuciones proporcionan herramientas y metodologías esenciales para facilitar la siguiente fase de desarrollo de infraestructura inalámbrica. Los conocimientos y tecnologías desarrollados a través de Enable-6G seguirán apoyando la transformación digital de la sociedad, garantizando que las redes futuras sean más inteligentes, eficientes y seguras.