该研究针对下一代（NextG）蜂窝网络（尤其是向6G演进过程中）面临的安全漏洞问题，提出了一种结合可解释人工智能（XAI）的异常检测框架。传统无线网络缺乏有效的异常检测机制，而未来网络架构（如O-RAN）的开放性和灵活性也引入了新的攻击面。作者在真实的开放无线接入网（O-RAN）测试环境中，实现并评估了多种人工智能模型，用于识别恶意流量。实验表明，所提出的框架能够在保证高检测精度的同时，具备高效的运行时性能。核心创新点在于引入事后可解释性方法，识别出最关键的性能指标（KPMs），从而在不损失检测准确率的前提下，将数据集复杂度显著降低80%。此外，可解释性分析还揭示了若干关键的攻击流量特征，如协议类型、带宽、间隔和持续时间，这些特征可用于预防未来的网络攻击。整体上，该框架在计算效率、检测准确性和可解释性之间取得了良好平衡，验证了其在增强下一代蜂窝网络安全方面的实际适用性。对于关注O-RAN安全、AI驱动的入侵检测以及XAI在安全场景中落地的研究者和工程师，本文提供了有价值的参考。