用于 O-RAN 中恶意流早期攻击检测与防御的跨域人工智能
密码学与安全
2024-01-18 v1 网络与互联网体系结构
摘要
在对抗网络攻击的斗争中，网络软件化（NS）是一种灵活且适应性强的盾牌，利用先进软件在常规网络流量中识别恶意活动。然而，用于开发靠近源头的攻击检测机器学习（ML）解决方案的移动网络综合数据集仍然有限。跨域人工智能（AI）可能是解决这一问题的关键，尽管其在开放无线接入网（O-RAN）中的应用仍处于起步阶段。为应对这些挑战，我们部署了一个端到端的 O-RAN 网络，用于收集来自 RAN 和传输网络的数据。这些数据集使我们能够结合网络内 ML 流量分类器进行攻击检测的知识，以增强专门针对 RAN 定制的基于 ML 的流量分类器的训练。我们的结果展示了所提方法的潜力，准确率达到 93%。该方法不仅弥补了移动网络安全的关键差距，还展示了跨域 AI 在提升网络安全措施有效性方面的潜力。
引用
@article{arxiv.2401.09204,
title = {Cross-Domain AI for Early Attack Detection and Defense Against Malicious Flows in O-RAN},
author = {Bruno Missi Xavier and Merim Dzaferagic and Irene Vilà and Magnos Martinello and Marco Ruffini},
journal= {arXiv preprint arXiv:2401.09204},
year = {2024}
}