一种防御新兴零接触蜂窝网络中巧妙基于MDT攻击的AI赋能框架
机器学习
2023-08-08 v1
摘要
自组织网络(SON)特性及其新兴变体(如零接触自动化方案)所提供的深度自动化，是日益密集的无线网络和普适物联网(IoT)的关键赋能因素。为实现其目标，大多数自动化功能依赖于最小化路测(MDT)报告。MDT报告用于推断网络状态与性能，从而相应地动态改变网络参数。然而，从商用用户设备(尤其是低成本IoT设备)收集MDT报告，使其成为对新兴深度自动化无线网络发起对抗攻击的脆弱入口点。这为IoT与蜂窝网络的安全威胁增添了新维度。现有关于IoT、SON或零接触自动化的文献均未解决这一重要问题。本文研究一种有影响力的、首创的对抗攻击，该攻击可通过利用来自被攻陷用户设备(UE)的恶意MDT报告发起。我们强调了该攻击对常见网络自动化功能性能的有害影响。我们还提出一种新颖的恶意MDT报告识别框架(MRIF)作为对策，利用机器学习检测并消除恶意MDT报告，并通过用例加以验证。因此，该防御机制可为零接触自动化SON引擎针对对抗性MDT攻击提供韧性与鲁棒性。
引用
@article{arxiv.2308.02923,
title = {An AI-Enabled Framework to Defend Ingenious MDT-based Attacks on the Emerging Zero Touch Cellular Networks},
author = {Aneeqa Ijaz and Waseem Raza and Hasan Farooq and Marvin Manalastas and Ali Imran},
journal= {arXiv preprint arXiv:2308.02923},
year = {2023}
}
备注
15 pages, 5 figures, 1 table