CellularLint：识别细胞网络规范中不一致行为的系统方法

近年来，人们越来越多地关注细胞网络的安全性，常将安全漏洞归因于底层协议设计描述中的问题。这些协议设计规范通常是数千页的文档，可能蕴含不准确、不完整、隐含假设和内部不一致之处。鉴于不断演变的格局，我们引入 CellularLint——一个针对 4G 和 5G 标准进行不一致性检测的半自动框架，利用自然语言处理技术的套件。我们的方法在领域适应的大型语言模型上采用改进的 few-shot 学习机制。该方法通过在广泛的细胞网络协议语料库上预训练，使 CellularLint 能够在不同语义层次和实际用例方面同时检测不一致性。为此，CellularLint 显著推进了规模化方式下的协议规范自动化分析。我们在调查中聚焦于非接入统计量（NAS）和 4G/5G 网络的安全规范，最终发现 157 个不一致现象，准确率为 82.67%。在对这些不一致现象在开源实现和 17 台商业设备上的验证后，我们确认它们确实对设计决策具有实质性影响，可能导致与隐私、完整性、可用性和互操作性相关的担忧。