面向数据驱动的Open RAN应用的黑盒规避攻击：定制化设计与实验评估
密码学与安全
2025-10-22 v1 网络与互联网体系结构
摘要
Open Radio Access Network (O-RAN)的即将推广正在推动RAN向数据驱动化运维创新。与传统RAN不同，后者的RAN数据及其用途受限于专有且单一的RAN设备；而O-RAN架构通过RAN智能控制器（RIC）向第三方基于机器学习（ML）驱动的应用程序（rApps和xApps）开放RAN数据 access，从而优化RAN运营。因此，围绕利用RAN数据实现更大效率提升而进行研究的重点日益突出。然而，越来越多的人意识到，RAN数据向应用程序的 access可能成为安全漏洞并被恶意行为者利用。为此，我们对O-RAN中托管于近时RIC和非时RIC的xApps和rApps的数据安全性进行了全面调查。我们对O-RAN安全机制及其对xApps和rApps的局限性进行定性分析，并构建此类分析所启发的威胁模型。我们设计了一种针对O-RAN RIC应用程序的可行且有效的黑盒规避攻击策略，同时考虑严格的时间约束和攻击效果。该策略采用四种关键技术：模型克隆算法、输入特定扰动、通用对抗扰动（UAPs）以及针对性UAP。该策略针对O-RAN系统中xApps和rApps所使用的ML模型，旨在降低网络性能。我们使用真实的O-RAN测试平台和仿真环境验证了所设计规避攻击策略的有效性，并量化了性能降低的规模。评估采用Interference Classification xApp和Power Saving rApp作为近时RIC和非时RIC的代表。我们还表明，该攻击策略对抗性ML的著名防御技术同样有效。
引用
@article{arxiv.2510.18160,
title = {Black-Box Evasion Attacks on Data-Driven Open RAN Apps: Tailored Design and Experimental Evaluation},
author = {Pranshav Gajjar and Molham Khoja and Abiodun Ganiyu and Marc Juarez and Mahesh K. Marina and Andrew Lehane and Vijay K. Shah},
journal= {arXiv preprint arXiv:2510.18160},
year = {2025}
}