O-RAN中基于机器学习的xApp对抗攻击实验研究
网络与互联网体系结构
2023-09-08 v1 信号处理
摘要
开放无线接入网（O-RAN）因其支持开放接口并将人工智能（AI）用于RAN的部署、运行与维护，被视为下一代蜂窝网络演进的重要一步。然而，由于O-RAN架构的开放性，此类AI模型天生易受各种对抗机器学习（ML）攻击，即对应于对ML模型输入稍加操纵的对抗攻击。本文展示了O-RAN中一个示例ML模型的脆弱性，并将其实验部署在近实时（near-RT）RAN智能控制器（RIC）中。我们基于ML的干扰分类器xApp（近实时RIC中的可扩展应用）试图对干扰类型进行分类，以减轻干扰对O-RAN系统的影响。我们展示了有史以来首个此类xApp如何通过操纵近实时RIC内共享数据库中的数据而受对抗攻击影响的场景。通过在实验室O-RAN测试平台上进行的严格性能分析，我们使用干净数据与扰动数据评估了干扰分类器xApp在容量和预测精度方面的性能。我们表明，即便微小的对抗攻击也能显著降低近实时RIC中ML应用的精度，从而直接影响整个O-RAN部署的性能。
引用
@article{arxiv.2309.03844,
title = {Experimental Study of Adversarial Attacks on ML-based xApps in O-RAN},
author = {Naveen Naik Sapavath and Brian Kim and Kaushik Chowdhury and Vijay K Shah},
journal= {arXiv preprint arXiv:2309.03844},
year = {2023}
}
备注
Accepted for Globecom 2023