2026面向未来智能体网络的信任范式演进白皮书征求意见稿

进 的信任范式演进TrustParadigmEvolutionforFutureAgenticNetworks（征求意见稿）编制单位：中国信息通信研究院人工智能研究所华为技术有限公司中国电信集团有限公司中国联合网络通信有限公司研究院北京邮电大学国家信息中心编制组李铁岩 石 霖 刘 鸿 武姗姗 陶 冶 静 静 张 国志宏 张 昆 康 鑫 张云峰 范晓继 邵 萌 徐孟摘要AgenticAI——MAIC-Trust（个维度构建可信的下一代智能网络：多方信任（Multi-partytrust）：针对中心化信任源依赖问题，强调多方参与、去中心化决策与多元信任模型（支持背书、共识等多重评估机制），基础；基于智能体意图感知的信任（AgenticIntent-awaretrust）：信度保障，推动信任机制从传统的静态身份验证向“身份验证+意图感知授权”演进，并结合场景风险智能触发自适应验证策略，在保障安全可信的同时最大化规避性能损耗；跨域信任（Cross-domaintrust）：任传递与异构信任根适配能力，实现信任在跨网、跨域间的无缝延展，保障信任的一致性与高可用性。M-trust向共治、自主、可信的方向迈进。目录未来网络的演进与信任需求 1网络演进趋势：从“连接人”到“连接智能” 1技术驱动力：新架构带来新的信任需求 1业务驱动力：新业务带来新的信任需求 2标签页一：数字信任基础概念 27零信任架构回顾与局限 4零信任架构的核心理念 4零信任架构的适用性与局限性 4核心理念 6Multi-partytrust：多方参与与多模信任共建 7AgenticIntent-awaretrust：基于智能体意图感知的权限管理与智能策略调节 7Cross-domaintrust：跨域信任与异构信任根 8三层之间联系与作用 10与零信任的关系：定位与对比 10标签页二：零信任范式在智能体可信治理中的应用探索 28高层架构设计 11高层架构概览 11信任采集与评估层：数据基础与可信感知 12策略制定层：系统的智能决策与指挥中枢 13策略执行层：智能响应与自适应调节 14层间协同与信任闭环 15关键使能技术 16Multi-partytrust：突破中心化 16AgenticIntent-awaretrust：自主、智能 17Cross-domaintrust：跨域延展 20结论与展望 246.1 结论 246.2 展望 24参考文献 26未来网络的演进与信任需求网络演进趋势：从“连接人”到“连接智能”网络技术的演进本质上是信息交互边界与系统赋能维度的不断拓宽。纵观通信网络的发展历程，其核心范式经历了三个关键阶段的跃迁：（Connecting间壁垒。连接物（ConnectingThings）：伴随5G体向数字世界的实时映射与全域感知。（ConnectingIntelligence）6GAI-Native连接物理节点，而是将分布于云、边、端的异构算力、算法模型与自主智能体（AI网络的持续演进不仅是传输效率与算力协同的飞跃，更深刻打破了传统的网络安全与信任假设。从“连接人”跨越到“连接智能”，信任的客体、基石与作用边界发生了巨大的转变。在“连接智”时代，信任需求延伸至“意图”、“行为”与“决策”等。接下来，我们从未来网络的架构与业务演进趋势来具体阐述未来网络新的信任需求。技术驱动力：新架构带来新的信任需求面向下一代通信网络，网络架构在拓扑形态、内生能力与覆盖维度上将会产生巨大的转态身份认证”的安全假设，对网络信任体系提出了全新的诉求：分布式架构打破集中式边界，催生去中心化的信任需求：随着网络架构加速向分布式、扁平化与边缘化演进[1]，网络控制与算力调度功能大幅下沉，传统的集中式安全网关与明确的物理网络边界不复存在。在分布式资源共享与跨节点协同场景下，信任机制无法再依赖“一次性边界准入”，而是需要向“无边界、去中心化”的信任体系演进，确保对分布式算力节点、网络微服务及数据流转的全路径动态可信。架构的智能化，引发从“静态身份认证”向“行为与意图可信”的演进：在下一代网络中，网络功能（NF）以及用户终端（UE）将广泛集成agenticAI与AIagent[2]，力的智能实体”。这一变革导致传统的身份鉴权机制无法完全保障安全——信任需求已从单一的“验证节点身份”，全面延伸至“感知智能体意图与决策逻辑并授权”、“计算与推理环境的可信证明”以及“多智能体协同行为的合规审计”。空天地海一体化异构融合，要求跨域穿透与高抗逆的内生信任体系支撑：物理拓扑异构性、协议栈多样性与动态演进性。不同网络域间在管控模式、安全等级与信道质量上存在显著差异，且非地面网络链路具备强动态与易断连特征。这要求信任架构突破单一自治域的局限，构建能够跨越异构环境、支持跨域信任互操作的信任底座，在断开、时延与切换等复杂拓扑下依然确保信任链条不中断。综上所述，体系架构转变不仅带来性能提升，也暴露出传统安全体系在新的网络架构下体自治的需求。未来网络架构的演进要求信任体系从“被动执行”架构逐步演变为一定条件“AI-Native面升级，实现对分布式节点、自主智能体与异构拓扑的全生命周期保障。业务驱动力：新业务带来新的信任需求ITUError!Referencesourcenotfound.63IMT-2020，33人工智能与通信融合（ArtificialIntelligenceandCommunication）：从“功能安“AI赋能通信”传统通信的信任主要建立在人AIAIAI调度决策通感一体化（IntegratedSensingandCommunication）：从“数据传输”到“全域感[4]敏感数据引发的隐私担忧：通感业务伴随着对位置轨迹、环境特征甚至生物行为特征的实时采集。传统的（多方共享中的可信计算：为了挖掘通感数据的价值泛在连接（UbiquitousConnectivity）：从“单域自闭环”到“跨域互信”。随着空（如卫星与蜂窝甚至不同国家（DLT零信任架构回顾与局限零信任架构的核心理念零信任理念由ForresterResearch分析师JohnKindervag于2010年系统提出[6]2020NISTSP800-207《ZeroTrustArchitectureNISTSP800-207可以总结为以下三个：以身份为中心（Identity-Centric）主体（用户、设备、应用、服务）度降低身份伪造与越权访问风险。最小权限原则（LeastPrivilege）。系统仅授予主体完成特定任务所需的最低权确保在不同安全态势下最小化访问范围与影响面。持续监控（ContinuousMonitoring）。零信任体系通过对行为数据、流量模式和统的自我检测、自我修正与自我防护能力。通过上述机制，零信任实现了从“基于边界的防御”到“基于身份与行为的连续防护”的转变。其设计理念在云原生架构、虚拟化环境以及多租户系统中得到广泛应用，有效提升了网络安全的精细化与可控性。零信任架构的适用性与局限性3GPPSA3TR33.894Error!Referencesourcenotfound.TR33.794[5]报低内部威胁风险方面具有显著效果。操作机制：身份验证和策略评估。这种频繁的验证在agenticAI信负担，尤其在需要毫秒级响应的场景中，可能直接影响系统性能与用户体验。AI不确定性与固定规则的矛盾。零信任的核心是基于固定规则构建确定性安全，其决策都依赖明确的判断（如身份是否合法、行为是否合规）。而AI率性输出，结果受输入偏差、模型漂移等因素影响，不存在绝对确定的行为预期。这种“模糊性”对零信任的处理能力带来了极大的挑战。跨域与异构环境下的适应性不足。AgenticAI任通常依赖单域策略引擎和集中管理系统来执行验证，在跨组织、跨平台的环境中能力受到挑战。核心理念传统零信任架构立足于“以身份中心（Identity-Centric）”、“最小权限（LeastPrivilege）（ContinuousMonitoring）agentic网络，现有的信任范式亟待系统性升维。1所示，MAIC-Trust（M-Trust）agentic在顶层设计上，这六个维度有机聚合并凝练为M-Trust的三大核心支柱：Multi-partytrust（多维信任）：赖；AgenticIntent-awaretrust（基于智能体意图感知的信任权限与自主策略，适配智能体自治特性；Cross-domain跨域信任环境下的可信连接。Agentic任基础。1:M-Trust核心理念Multi-partytrust：多方参与与多模信任共建Multi-partytrustM-TrustagenticAI时代“多为双引擎，重构信任评估与管理的底层逻辑，为多方协作提供公平、灵活且可靠的信任基础。在本文中，Multi-partytrust（multi-party）和多元信任模型（multi-modetrust）的结合。分布式多方共治信任评估：打破单点依赖的信任共治闭环分布式多方共治信任评估的核心突破，是摒弃了“单一安全大脑”或中心化评估模式，（）多元化的信任模型：适配多场景的信任模型选择（如跨域智能体数据共享），可采用共识式信任模型，通过多方节点共同验证达成信任；在低风险、（如普通数据查询AIagentAgenticIntent-awaretrust：基于智能体意图感知的权限管理与智能策略调节AgenticIntent-awaretrustagentic（IdentityVerification）+意图感知授权（Intent-awareAuthorization）”为核心机制，通过结合任Agent基于意图感知的自适应权限管理：场景驱动的实时权限动态调配依托以意图感知为核心的AgenticIntent-awaretrust作为权限决策依据，实现细粒度、动态化的权限调度。执行过程与实际资源访问行为之间的一致性，并根据风险等级动态调整授权范围。可控、范围受限的临时权限，并在任务完成后自动回收。权时效与任务需求之间的动态匹配。智能自主策略管理：信任评估驱动的策略全生命周期自动化智能自主策略管理聚焦于信任规则的“智能生成、动态执行与持续优化”全过程自动化，其核心目标是在既定治理规则和安全边界约束下，提高系统对动态场景的自主适应能力。不同于传统依赖人工配置和周期性调整的策略管理方式，AgenticIntent-aware（（信任评估结果。细粒度授权和持续审计。动态同步。时提升智能体协作效率，并降低越权访问和权限滥用风险。Cross-domaintrust：跨域信任与异构信任根Cross-domaintrustM-Trust递逻辑。它围绕agenticAI（多界流通”的特性，为M-Trust体系提供灵活、互通的上层信任支撑。异构（多）信任锚点：多载体协同的信任基础重构信任锚点是信任体系的“根节点”，是所有信任决策的基础依据。传统信任体系（包括部分零信任方案（如agenticAI在不同场景下多样化信任验证需求。Cross-domaintrust通过异构信任根与多样化信任建立机制相结合，形成覆盖硬件信任过PBFT、PoS、DPoS等机制实现多参与方对状态、记录或信任结果的一致确认，为缺乏中心权威的环境提供可信协作基础，增强信任体系的透明性与抗篡改能力。这种多类型协同机制，Cross-domaintrust资源配置情况动态选择最优组合。例如，边缘智能体执行常规数据采集任务时，可采用“软跨域信任互操作：打破边界的信任一致性保障在agenticAI（（trust的跨域信任传递机制，核心是建立“标准化信任凭证+跨域校验协议1）信任凭证标准化：将智能体的信任评估结果、锚点验证信息、合规资质等核心信任要素，（校验规则、权限映射标准、异常处理机制，避免因域间协议差异导致信任验证失败；3）信任不同域的行为数据，动态更新信任凭证，确保跨域过程中信任状态的一致性。三层之间联系与作用M-Trust三者相互独立又层层递进：Multi-partytrust，AgenticIntent-awaretrusttrustM-Trust与零信任的关系：定位与对比M-Trust与零信任并非对立关系，而是面向agentic通过“NeverTrust,AlwaysVerify”动了以身份、资源和持续验证为核心的现代安全架构。随着网络主体逐步从用户和设备扩展至具备自主决策能力的AI智能体，网络交互模式其信任对象、授权依据和跨域协同能力。Multi-partytrustAgenticawaretrust和Cross-domaintrust规则驱动访问控制扩展至意图感知授权，从单域安全决策拓展至跨域可信协同。与传统零信任体系相比，M-Trust平。高层架构设计高层架构概览M-Trust以身份验证与访问控制为核心的静态信任模型不同，M-Trust感知、自调节、自修复的动态循环。基于上述原则，M-Trust体系被划分为三个主要层级：信任采集与评估层（DataTrustIndicatorCollection,DTIC&DistributedTrustEvaluation,（PolicyAgent,PA）以及策略执行层（PolicyEnforcementAgent,PEA）。三层通过标准化接口和信任数据总线相互通信，构成完整的信任闭环。DTIC负责多源信任数据的采集与可信性保障，DTE2:M-TrustHigh-Level信任采集与评估层：数据基础与可信感知信任指标采集M-Trust及潜在的安全事件。为保证采集数据的真实性与完整性，DTIC引入可信执行环境与远程度量还需考虑数据一致性与可验证性，通过加密签名、时间戳基于分布式账本技术（DLT）的存证机制防止数据伪造与回放攻击。DTIC[11]与同态加密技术实现数据在脱敏条件下的分析与聚合。通过这一机制，系统能保留信任评估所需的关键特征，降低原始数据泄漏和重识别风险，达到安全与合规的平衡。分布式信任评估M-TrustDTE整的动态函数。为实现这一计算过程，DTE可以结合人工智能与传统统计学技术Error!Referencesourcenotfound.。与传统集中式评估不同，DTELedgerTechnologies,DLT）可作为支持评估数据完整性（实现多维度评估PBFT、PoS等去中心化共识机制[14]，确保各节点独立完成局部M-Trust策略制定层：系统的智能决策与指挥中枢策略制定层作为M-Trust系统衔接分布式信任评估结果与实际策略执行的核心枢纽，承智能动态策略制定（式信任评估（DTE）输出的动态信任评估体系，将身份可靠度、行为一致性、环境风险指数以及任务上下文等多维度信息作为策略决策的重要输入。（如访问权限范围、操作审批流程、资源分配比例等）。例如，针对高信任度主体在低风险场景下，策略智能实时验证用“实时监控+动态推演+交叉校验”的三重机制：（如操作成（（如过度管控导致业务中断、管控不足引发安全漏洞）；在交叉校验层面，联动分布式信任评估节点与业务执行节点，（如与业务需求冲突（（如无法实现风险管控目标与合规性。整个策略制定层通过两大模块的协同运作，既实现了策略对动态信任状态、差异化场景的精准适配，又通过实时验证机制筑牢安全防线，为M-Trust系统的决策执行提供“灵活适配+安全可控”的双重保障。策略执行层：智能响应与自适应调节M-Trust接决定了系统面对动态威胁时的实时响应能力与整体防护水平。该层由一组分布式的“策略执行智能体”（PolicyEnforcementAgent,PEA）些Agent作为轻量级、高自治的智能体，被部署在网络的关键执行点（PEA（来自策略制定层PA；2）状态输入（层（A（本地感知PEA（如APIPEA选择并执行当下最合适的安全策略。策略智能响应M-Trust框架引入敏捷触发机制（AgileTriggeringMechanism），其核心是基于DTE，PEA（DynamicPrivilegeReduction）：实时调整访问权限，例如将高风险用户“读/写”权限降级为“只读”，或直接撤销其敏感数（Step-upAuthentication）：（用户体验）的动态需求。自学习与策略进化（Execution的有效性都会被量化记录，包括威胁是否成功遏制、响应延迟时长、是否产生误报（FalsePositives（DTEDTE这种“感知-决策-执行-反馈”的闭环学习机制，让M-Trust体系从每一次安全对层间协同与信任闭环M-Trust（并非孤立运M-Trust（伪造凭证的签名痕迹、异常行为的时间序列）实时推送至DTE，触发DTE面，预警信号同步激活策略制定层的动态响应模块，PolicyAgent（PA）结合DTEPolicyEnforcementAgen（PEAPEADTE—DTEM-Trust灵活性与持续演进能力的信任防护体系。关键使能技术M-Trust的核心支撑技术按照Multi-partytrust、AgenticIntent-awaretrust与Cross-domaintrust3:M-Trust主要支撑技术Multi-partytrust：突破中心化Multi-partytrust的核心理念是多方共治，突破中心化模型，关注多方之间的协同与共识。其核心支撑技术又可以分为以下三个方面：信任评估（TrustEvaluation）agentic（如终端设备、边缘节点、接入网元等）的协同协作，实现对目标实体（设备、用户、应用）信任状态的去中心化评估[14]（如设备固件合规性、节点认证资质同时提升评估覆盖范围。信任联盟（TrustFederation）（空天地海异构网络）与多样化服务，联盟信任与分布式信任关系对网络安全与可信而言至关重要。采用去中心化与联邦式信任结构，允许不同运营商、服务商在不暴露私有信息的前提下开展有与服务提供商（SP）之间建立联盟信任关系：SP无需直接处理用户凭证，而是基于对IdP的联盟信任完成用户认证。基于OAuth2.0OpenIDConnect（SSO）方案就是W3CDIDDID（如其身份可通过密码学方式验证。这种去中心化身份管理有望为实现跨网络跨域身份互操作（Trust作为支撑Agentic核心基石，可信基础设施为各类高可靠、低时延、跨域协同场景（如智能调度、实时交互等）提供不可或缺的安全与信任支撑。其核心技术体系聚焦两类关键底层能力：去中心化公钥基础设施（DPKI）与分布式策略引擎（DistributedPolicyEngine,DPE），据加密、数字签名生成及基于证书的身份认证机制，为网络中设备、用户、应用等参与实PKI大范围信任关系造成显著影响，还面临证书申请、更新、撤销流程繁琐、跨域互认困难等问题。与此同时，零信任体系中关键的策略引擎，目前主流实施方式也偏向集中式架构：还会因海量设备接入带来的高频策略查询、动态权限调整需求，造成中心节点算力过载、响应延迟，难以适配agentic网络动态灵活的运行特性。因此，面向未来agentic的发展需求，PKI（DLT并增强系统的透明性、可追溯性与抗篡改能力。AgenticIntent-awaretrust：自主、智能AgenticIntent-awaretrust的核心理念是自主、智能，其核心支撑技术又可以分为以下三个方面：AI（TrustworthyagenticAIAI与网络之间存在双向赋能的良性互动关系：AIAIAIAIAI显著威胁。具备去中心化、分布式特性的联邦学习（FederatedLearning,FL），为隐私agenticAI（尤其是深度学习模型）往往因缺乏透明度与可解释性而被称为“黑箱模型”。换句话说，用户通常无法知晓模型“如何”以及“为何”做出某一决策，这会严重削弱模型的可信度，AIAIAIXAI通过逻辑或数学方法对黑箱模型进行解释，提供具备可信度的决策依据。XAI模型可通过AI（Bias）（Discrimination）中，偏差主要源于数据收集不当（如样本代表性不足、数据标注偏差）或算法设计缺陷；而歧视则多由对特定敏感特征（如性别、地域、年龄）的刻板印象引发，且往往是现有偏差的衍生结果。训练数据中若存在偏差，会导致模型训练过程出现倾向性，最终生成带有AIAIagentic可信架构（TrustArchitecture）agenticagenticIoTagenticMIMO的分布式天线、边缘节点的全域覆盖）提升网络容量、规避小区间干扰，同时依托自治能力应对动态拓扑变化与复杂场景适配需求。从技术层面，需从三大维度构建核心能力：其一，分布式基础架构技术是前提——通过边缘计算、雾计算拓展分布式算力，实现数据处理“就近部署”，构建跨节点信任体系，解决分布式场景下的身份认证与数据安全问题；搭配分布式数据存储与冗余备份机制，保障数据可用性与抗篡改能力。其二，自治化智能引擎技术是核心——借助AI/ML同能力，减少人工干预。其三，分布式协同与安全技术是保障——通过联邦学习、安全多方计算实现“数据不出域、模型可协同”，解决分布式节点的数据隐私与协同训练问题；部署轻量级共识算法（如实用拜占庭容错），确保分布式节点间的决策一致性，同时依托agentic络的可靠性、弹性和适应能力，为各类高层级智能应用提供坚实支撑。可信协议（TrustworthyProtocols）：作为agentic成为网络功能的核心载体与交互主体”，这使得传统认证协议（如5G-AKA[15]）的局限性5G-AKAagentic6GA2A安全协议[16]与MCP[17]任务关键协议的协同配合，解决“身份可信、交Agentic首先，智能体与人的身份区分、认证及授权机制是核心痛点。智能体的身份具有动态性、多角色性与自主性特征：同一智能体可能在不同任务场景下承担不同角色（如既是资源请求方也是服务提供方缺乏对智能体身份的专属标识、属性定义与生命周期管理能力，更无法解决“智能体与人如何差异化认证”“智能体的自主行为如何获得合法授权”等关键问题。例如，当智能体代表用户发起跨域资源请求时，协议需先验证智能体的身份合法性（是否为用户授权的专属智能体（是否具备跨域请求的操作资格6G（Agent-to-Agent,A2A（A2Asecurity）Agentic络中，网络功能的实现将不再依赖集中式节点，而是通过海量智能体的分布式协同完成—调度智能体联动执行。这些智能体可能来自不同域，彼此缺乏预设信任关系，且交互场景具有动态性（临时组队、任务结束后解散）与高频性（毫秒级协同决策），传统设备间通信协议缺乏针对智能体协同场景的信任协商机制，难以保障交互数据的机密性、完整性与A2A手流程、优化加密算法，最大限度降低协议交互开销，适配智能体高频协同场景；二是动态信任协商，支持智能体在交互前通过共识机制快速建立临时信任关系，基于智能体的历史信誉值与任务场景需求动态调整安全策略；三是协同行为审计，通过区块链或分布式账本技术记录智能体间的交互日志，确保每一次协同操作均可追溯、可审计，抵御恶意智能体的虚假协作或行为篡改。此外，智能体的核心能力在于通过调用各类网络资源与服务（如建立通信链路、分配计算存储资源、调用第三方服务接口等）完成既定任务，这些调用过程的安全可信需要新MCPSecurityRESTAPI安全机制）存在两大短板：一是权限控制静态化，无法根据任务执行进度动态调整调用权限，可能导致权限过度授予或不足；二是缺乏任务上下文感知能力，难以验证调用行为与任务目标的一致性，存在恶意调用、越权调用的风险。新型MCPSecurity可考虑针对以下问题进行设计：一是构建“任务-权限-调用”的绑定机制，基于任务的类型、优先级、执行流程，为智能体分配细粒度的调用权限，且权限随任务进度动态更新（如链路建立完成后，自动收回带宽分配权限）；二是（如任务IDCross-domaintrust：跨域延展Cross-domaintrustCross-domaintrust界，拓展了信任的锚点，实现信任在不同网络与不同域间的互操作，增强一致性与可用性。其核心技术包括：异构信任根（HeterogeneousTrustRoots）：作为agentic网络信任体系的“源头根基”，信任根的核心价值在于为智能体身份认证、完整性验证及可信执行提供初始信任基础。与传统网络中过度依赖硬件可信根的单一信任架构不同，agentic（Hardware-basedRootofTrust,[18]、SIM/eSIM可信载体及软件可信根（Software-basedRootofTrust,sRoT）agentic智能体的多样性、场景的复杂性及部署的动态性，实现“按需选锚、可信互联”的核心目标。HBRT等硬件载体，将信任根嵌入芯片级硬件架构中，从物理层面阻断恶意篡改与非法访问，确保密钥agentic（如支付对信任锚的安全性要求极高，HBRTTPM（SIM/eSIMSIM/eSIM赋予不可伪造的身份凭证，确保智能体的身份与运营商网agentic（如车载智能体、移动终端智能体、跨域服务智能体）需在多运营商、多网络域间动态漫游，SIM/eSIM其标准化的身份认证协议可支持智能体在跨网络环境下的身份连续性与信任迁移，提升跨再者，软件可信根（sRoT）凭借轻量化与灵活适配特性，成为资源受限场景与临时协sRoT（如国密SM系列、轻量级椭圆曲线加密）、可信启动流程、完整性校验机制，在通用硬件或虚拟环境中构建信任根基，其核心优势在于部署成本低、适配范围广，可满足边缘智能体、临时协作agentic（如传感器智能体、低功耗物联网智能体）受限于硬件资源（算力、存储、功耗），无法部署复杂的HBRT；同时，部分临时组建的智能体协作集群（如应急救援场景下的设备智能体临时组网），需要快速还可与HBRT（如核心智能体采用HBRT保障基础安全，边缘智能体采用sRoT轻量化适配），提升网络整体的信任覆盖范围与部署灵活性。AgenticHBRTSIM/eSIM级安全与运营商背书双重保障，提高智能体的可信度；在跨域移动场景（如车联网、移动办公SIM/eSIM和验证；在资源受限的边缘域（如物联网终端、低功耗节点）或临时协作场景（如应急通sRoT域协同场景中，还可实现异构信任根的互认互通（如HBRT签发的信任凭证通过跨域信任协议，被采用sRoT的边缘智能体验证），构建全域统一的信任体系。信任基础（TrustFoundation）：作为agentic网络可信体系的核心技术底座，密码学agentic性、适配性与抗攻击能力，成为决定网络信任的关键因素。其典型应用技术主要分为对称agentic络密码体系的技术演进。传统通信网络采用对称密码为主，公钥密码为辅，其中对称密码主要用于加密与完整性保护，身份认证、密钥交换。公钥密码主要应用于用户身份的保护。其核心逻辑是采用同一密钥完成身份认证与消息的加密与解密，其加密效率高、算力消耗低，适配早期设备数量有限、通信场景单一的网络需求。但对称钥的核心短板在于“密钥预共享”机制：这带来了繁琐的密钥管理流程——包括密钥的生成、安全存储、定期更新与销毁。而在未来agentic网络中，这一问题将被无限放大：网络中可能存在千万级甚至亿级智能体，这些智能体需频繁与其他智能体（跨域、临时组队）建立通信，若仍采用对称加密，在大规模动态协作场景下，基于预共享密钥（PSK）的密钥管理复杂度将显著增加，难以适配大规模动态协同场景。每个智能体仅需生成一对公私钥，公钥可公开分发（无需保密），私钥由自身安全存储，agenticagentic此外，未来量子计算机的超强算力将对传统密码学构成潜在重大威胁。量子计算机可突破传统计算机的算力极限，其搭载的专用量子算法（如肖尔算法、格罗弗算法）能大幅agentic（Post-QuantumCryptography,agentic其中，格基密码因具备抗量子攻击能力强、算力消耗低、可适配轻量化场景等优势，成为目前最具应用前景的PQCagentic将与非对称加密体系深度融合：一方面，替换传统非对称加密算法，确保智能体间的加密通信、数字签名、身份认证等功能抵御量子攻击；另一方面，针对边缘智能体等资源受限PQCPQCagenticagentic（HybridCryptographicArchitecture），信任平台（TrustPlatform）agentic（TEE建分布式信任平台的技术路径之一，二者功能互补、协同发力，构成了单点可信筑基和跨TEE信执行空间，成为单点设备（如智能终端、边缘节点、云服务器）的信任根基。沙箱则可以待验证的策略提供一个虚拟环境。这个虚拟环境中包含一些虚拟的硬件和软件资源，如文件系统、网络、操作系统等，使智能体或进程可以在该环境中运行。在沙箱中运行的智能体只能访问沙箱给它加载的资源，而不会影响到外部的应用、系统或平台，避免其对系统中的其他程序或数据造成永久的更改。这样确保策略合理和可信后，再在真实环境中执行。分布式账本技术是构建分布式信任平台的重要技术路径之一，其核心优势在于打破中心化信任依赖，通过技术机制建立多参与方间的互信关系，成为跨域协同中的可信协调与审计平台。该平台以“不可篡改、全程可追溯”的特性有助于解决多参与方缺乏中心化权威背书时的信任难题，在多参与方场景下，可减少对单一中心化信任机构的依赖，通过密码学与共识机制增强数据可验证性与审计能力。作为分布式信任平台，分布式账本技术的跨域的频谱资源分配、使用时长、交易结算等信息均上链存储，通过智能合约自动执行分配规则，提高资源调度过程的透明性和可审计性，降低恶意抢占或数据篡改风险；在智能体协同场景中，分布式账本作为分布式信任中介，记录各智能体的身份凭证、行为信誉、权限范围，智能体可通过链上凭证、声明和审计记录辅助完成身份核验与信任评估，降低建立协作关系的成本，支撑临时组队、动态协作的网络需求；在身份认证与授权场景中，分布式账本技术将设备、用户、智能体的身份标识与权限策略上链，实现跨域认证的无缝agentic管理、服务编排和安全审计等场景提供可追溯、可验证的可信支撑能力。结论与展望结论M-TrustMulti-partytrust、AgenticIntent-awaretrustdomaintrustagenticagentic标准化规范或强制实现要求。展望6G（M-Trust向之一。agentic（智能体作为网络功能载体与交互主体对该框架的适配M-TrustM-TrustTrust（M-TrustM-Trust（如跨域信任评估结果的融合避免（如边缘M-Trust（PQC进行轻量化优化，在保障信任强度的同时，避免过度消耗智能体资源。agenticM-TrustM-Trust网络架构的深度耦合”，为未来智能体网络的安全可信运行提供坚实支撑。参考文献[1].3GPPTR23.801-01,StudyonArchitecturefor6GSystem;Stage2,Release20,draftworkinprogress.[2].M.Chen,Z.Yang,T.Qiu,J.Zhang,M.Shikh-Bahaei,andT.Ohtsuki,“AI-NativeNetworking:AVisionandSurvey,”IEEECommunicationsSurveys&Tutorials,vol.26,no.1,pp.1–34,2024.[3].ITU-RM.2160-0,"FrameworkandoverallobjectivesofthefuturedevelopmentofIMTfor2030andbeyond",2023.11.[4].Z.Xiao,X.Song,W.Ni,X.Tao,andG.Li,“IntegratedSensingandCommunication:AComprehensiveSurvey,”IEEECommunicationsSurveys&Tutorials,vol.25,no.2,pp.790–823,2023.[5].J.Ye,X.Kang,Y.-C.Liang,S.Sun,"ATrust-CentricPrivacy-PreservingBlockchainforDynamicSpectrumManagementinIoTNetworks”,IEEEInternetofThingsJournal,vol.9,no.15,pp.13263-13278,Aug.2022.[6].NationalInstituteofStandardsandTechnology(NIST),“ZeroTrustArchitecture(SP800-207)”,Gaithersburg,MD,USA,2020.[7].TR33.894：StudyonapplicabilityoftheZeroTrustSecurityprinciplesinmobilenetworks，Release18[8].TR33.794：StudyonenablersforZeroTrustSecurity，Release19。[9].Y.Wang,X.Kang,T.Li,H.Wang,C.-C.Kang,Z.Lei,"SIXTrustfor6G:TowardsaSecureandTrustworthy6GNetwork",IEEEAccess,vol.11,pp.107657-107668,2023.[10].Y.Wang,X.Kang,andT.Li,"TowardsanOpenTrustEstablishmentInfrastructureforFutureNetwork:Motivations,ModelsandTechnologies",IEEEAccess,vol.12,pp.111196-111205,2024.[11].C.DworkandA.Roth,“TheAlgorithmicFoundationsofDifferentialPrivacy,”*FoundationsandTrendsinTheoreticalComputerScience*,vol.9,nos.3–4,pp.211–407,2014.[12].Z.Brakerski,C.Gentry,andV.Vaikuntanathan,“（Leveled）FullyHomomorphicEncryptionwithoutBootstrapping,”ACMTransactionsonComputationTheory,vol.6,no.3,Article13,2014.[13].H.L.J.Ting,X.Kang,T.Li,H.Wang,