本文采用系统性的方法来解决不断涌现的隐私保护深度学习问题，不仅泛化了分割学习（Split Learning），还将分割学习与联邦学习（Federated Learning）相结合，形成两级学习框架。
本文采用系统性的方法来解决不断涌现的隐私保护深度学习问题，不仅泛化了分割学习（Split Learning），还将分割学习与联邦学习（Federated Learning）相结合，形成两级学习框架。该框架继承了分割学习与联邦学习的优点，同时摒弃了二者的缺点，支持通过分割层选择来定制学习方法。此外，本文还提出一个名为NET4AI的6G系统架构，以支持两级学习框架（如学习方法定制），并提供k匿名和数据机密性保护。NET4AI并不仅仅局限于隐私保护深度学习，相反，它将打造成一种通用架构，支持6G时代任何面向计算的服务与人工智能（Artificial Intelligence，AI）应用。利用6G无处不在的边缘计算能力，NET4AI为基于网络的AI提供从部署到运营的端到端解决方案。
