面向 AI 驱动的 RAN 切片：SLA 违规与恢复的对抗性攻击
网络与互联网体系结构
2026-04-02 v1 人工智能
摘要
下一代（NextG）移动网络旨在支持具有多样化数据速率和延迟要求的新兴应用，例如沉浸式多媒体服务和大规模物联网部署。一个关键的实现机制是无线接入网络（RAN）切片，该机制动态地将无线资源划分为虚拟资源块，以高效地服务于不同流量类的用户，包括增强型移动宽带（eMBB）、大规模机器类型通信（mMTC）和超可靠低延迟通信（URLLC）。在本文中，我们研究了对 AI 驱动的 RAN 切片决策的对抗性攻击，其中预算受限的对手选择性地干扰切片传输，以偏向基于深度强化学习（DRL）的资源分配，并量化其导致的服务等级协议（SLA）违规及事后恢复行为。我们的结果表明，预算受限的对抗性干扰可引发严重且切片依赖性的稳态 SLA 违规。此外，DRL 代理的奖励仅在经过非平凡恢复期后才会趋于洁净基线。
引用
@article{arxiv.2604.01049,
title = {Adversarial Attacks in AI-Driven RAN Slicing: SLA Violations and Recovery},
author = {Deemah H. Tashman and Soumaya Cherkaoui},
journal= {arXiv preprint arXiv:2604.01049},
year = {2026}
}