AI/ML集成O-RAN中自适应干扰攻击检测的演示
密码学与安全
2025-10-14 v1 人工智能
摘要
开放无线接入网通过采用软件定义网络、网络功能虚拟化以及实施标准化开放接口，实现了模块化、智能化和可编程的5G网络架构。然而，O-RAN面临的一个严重破坏网络性能的安全问题是干扰攻击。本文提出了SAJD——一个自适应干扰检测框架，能够在集成AI/ML框架的O-RAN环境中无需人工干预自主检测干扰攻击。SAJD框架形成了一个闭环系统，包括通过我们开发的基于ML的xApp进行无线信号干扰的近实时推理，以及通过rApps实现的持续监控和重训练流水线。在此演示中，我们将展示SAJD在符合O-RAN标准的测试平台上，面对各种动态且未见过的干扰场景时，在准确性和适应性方面如何优于最先进的干扰检测xApp（使用人工标签离线训练）。
引用
@article{arxiv.2510.09706,
title = {A Demonstration of Self-Adaptive Jamming Attack Detection in AI/ML Integrated O-RAN},
author = {Md Habibur Rahman and Md Sharif Hossen and Nathan H. Stephenson and Vijay K. Shah and Aloizio Da Silva},
journal= {arXiv preprint arXiv:2510.09706},
year = {2025}
}
备注
2 pages, 3 figures