LLM 驱动的 6G 无线网络 APT 检测：系统综述与分类
密码学与安全
2025-10-14 v2
摘要
六代 (6G) 无线网络预计将于 2030 年代部署，凭借极高的通信速度和低延迟率，已在学术界和企业界引发广泛热潮。然而，尽管承诺实现超低延迟、高吞吐量和 AI 辅助编排能力，6G 网络仍面临对隐蔽且长期的高级持续性威胁 (APT) 的脆弱性。大语言模型 (LLM) 以其在语义推理和威胁情报方面的卓越成功，成为填补这一鸿沟的理想人选。本文提出了一项针对 LLM 辅助 6G 网络 APT 检测的全面系统综述和分类研究。我们回应了五个研究问题，即分段日志的语义合并、加密流量分析、边缘分布约束、数据集/建模技术以及可重复性趋势，通过利用 LLM、APT 和 6G 无线网络交叉的最新研究实现。我们通过呈现各种分类（如粒度、部署模型和kill 链阶段），识别了诸多开放挑战，包括解释性缺口、数据稀缺、边缘硬件限制以及对实时分片感知适应的需求。随后，我们通过提供几个 6G 基础设施的研究空白，为未来研究者指明了道路。据我们了解，这是首个针对 LLM 基于 6G 网络 APT 检测的全面系统综述和分类研究。
引用
@article{arxiv.2505.18846,
title = {LLM-Driven APT Detection for 6G Wireless Networks: A Systematic Review and Taxonomy},
author = {Muhammed Golec and Yaser Khamayseh and Suhib Bani Melhem and Abdulmalik Alwarafy},
journal= {arXiv preprint arXiv:2505.18846},
year = {2025}
}
备注
22 pages, 11 figures, 8 tables. Submitted to Computer Science Review (Elsevier), May 2025