机器学习辅助的 5G 网络连接系统安全分析
网络与互联网体系结构
2021-08-10 v1 人工智能
密码学与安全
机器学习
摘要
电信系统的核心网络架构在第五代(5G)网络中经历了范式转变。5G 网络已转向软件定义基础设施,从而减少对基于硬件的网络功能的依赖。网络功能虚拟化与软件定义网络等新技术已被纳入 5G 核心网(5GCN)架构以实现此转变。这带来了网络效率、性能与鲁棒性的显著提升。然而,这也使核心网更易受攻击,因为软件系统通常比硬件系统更容易被攻破。在本文中,我们提出一个面向 5GCN 的综合性安全分析框架。该方法的新颖性在于通过机器学习对软件定义与虚拟化的 5GCN 创建并分析攻击图。该分析指出了 5GCN 中 119 个新颖的可能漏洞利用。我们展示这些 5GCN 漏洞的可能利用会对 5G 认证与密钥协商协议产生五种新颖攻击。我们将网络层、协议层与应用层的攻击相结合以生成复杂攻击向量。在一个案例研究中,我们利用这些攻击向量发现了运行于 5G 网络上的 WhatsApp 中四个新颖的安全漏洞。
引用
@article{arxiv.2108.03514,
title = {Machine Learning Assisted Security Analysis of 5G-Network-Connected Systems},
author = {Tanujay Saha and Najwa Aaraj and Niraj K. Jha},
journal= {arXiv preprint arXiv:2108.03514},
year = {2021}
}
备注
17 pages, 11 figures, 13 tables, This paper has been submitted for review in IEEE Transactions on Emerging Topics in Computing. Copyright IEEE 2021