同时，由于CN会利用UE发送的公钥加密UID，所以敌手很容易拿到UID。翻译英文

"Meanwhile, because CN will use the UE-sent public key to encrypt UID, adversaries can easily obtain UID."

这份PPT报告主要介绍了卫星互联网及其在核心网上星背景下的AI应用与隐私计算需求。报告首先阐述了卫星网络的基本架构及其标准进展，重点分析了卫星网络的低延时、高带宽、低成本特点，尤其是低轨卫星如何为全球提供无缝通信服务。接着，报告探讨了卫星网络在遭受各种攻击时的安全防护措施，强调了数据的安全性与隐私保护问题。

随着B5G网络的发展，AI/ML技术逐渐成为提升卫星网络性能的核心力量，尤其是在卫星核心网中，AI技术能有效处理海量数据。报告中也提到，传统的卫星数据传输方式面临带宽限制和高延迟问题，因此在卫星上实现AI训练和隐私计算，能够显著提升数据处理效率。报告最后探讨了隐私计算技术如何在卫星AI应用中确保数据安全与隐私保护，尤其是在执行联邦学习等分布式AI任务时，如何通过隐私计算技术保障敏感数据不被泄露。

这份报告介绍了卫星互联网的基本架构、技术特点和标准进展，以及在卫星网络环境下AI应用的必要性和相关隐私计算问题。卫星网络具有低延迟、广覆盖、低成本、高带宽等优势，尤其是低轨卫星能够提供全球无盲区覆盖。然而，卫星通信面临数据窃听和篡改等安全风险。此外，现代卫星产生了海量数据，传统的地面处理方式面临高延迟、带宽限制和高成本瓶颈。因此，报告提出了在卫星上直接实现AI训练与隐私保护的重要性，重点探讨了联邦学习等隐私计算技术如何解决数据安全和隐私保护问题，确保卫星AI应用的安全性和高效性。

卫星网络以低延迟、高带宽、低成本的通信服务受到广泛关注。然而，卫星网络产生的数据规模和类型迅速增加，传统地面数据分析方法面临延迟高、带宽限制和数据安全风险，难以满足需求。特别是敏感数据通过开放信道传输，容易被窃听和泄露。因此，迫切需要在卫星上直接进行数据分析和决策，降低星地通信负担与安全风险。随着B5G网络发展，AI与机器学习成为提升卫星网络性能的重要手段，在卫星上实现AI训练与隐私计算，能显著提高数据处理效率，并有效保障数据安全和隐私。

卫星网络以低延迟、高带宽、低成本的特点引起广泛关注，但卫星产生的数据规模快速增长，传统分析方式存在明显瓶颈，且敏感数据在开放链路传输容易被窃听和泄露。因此，迫切需要卫星进行星上AI分析与决策，以降低星地通信负担与安全风险。随着B5G网络的发展，AI/ML技术正成为卫星网络性能提升的重要支撑，尤其是在核心网上星场景中，卫星端的AI训练和隐私计算显得尤为必要。

本报告主要介绍了卫星网络的架构特点与标准进展，探讨了卫星通信面临的安全风险，以及如何利用隐私计算技术在卫星上实现安全、高效的数据分析，尤其是联邦学习等技术在保护数据隐私与安全方面的应用和需求。

卫星网络以低延迟、高带宽、低成本等优势受到广泛关注，尤其低轨卫星实现了全球无盲区覆盖。然而，卫星网络产生的数据规模迅速增长，传统的地面分析方法面临延迟大、带宽有限和安全风险高等瓶颈，大量敏感数据经开放信道传输易被窃听泄露，数据安全需求日益迫切。同时，大量数据回传地面分析导致星地链路负担过重。因此，卫星端上直接实现AI分析与决策尤为必要。

本报告首先介绍了卫星网络的典型架构、标准进展和安全挑战，随后探讨了AI技术在卫星网络核心网中的应用场景，提出在卫星上部署AI与隐私计算的需求和必要性，并强调了联邦学习等技术在保护数据安全和隐私方面的应用潜力与挑战。