MobiLLM：面向 6G 开放无线接入网闭环威胁缓解的智能体 AI 框架
密码学与安全
2025-10-06 v2 人工智能
机器学习
网络与互联网体系结构
摘要
开放无线接入网（O-RAN）范式正在加速 6G 网络的演进——这是一种开放、可互操作的架构，能够在公共电信和私营企业领域实现智能的模块化应用。尽管这种开放性为创新创造了前所未有的机遇，但也扩大了攻击面，需要弹性、低成本且自主的安全解决方案。传统防御手段在很大程度上仍然是反应性的、劳动密集型的，并且无法应对下一代系统的规模和复杂性。当前的 O-RAN 应用主要集中在网络优化或被动威胁检测上，闭环自动响应能力有限。为了填补这一关键空白，我们提出了一个用于 6G O-RAN 环境中全自动、端到端威胁缓解的智能体 AI 框架。MobiLLM 通过由大语言模型（LLMs）驱动的模块化多智能体系统来编排安全工作流。该框架包含用于实时数据分诊的威胁分析智能体、使用检索增强生成（RAG）将异常映射到特定对策的威胁分类智能体，以及通过 O-RAN 控制接口安全执行缓解行动的威胁响应智能体。MobiLLM 以 MITRE FiGHT 框架和 3GPP 规范等可信知识库为基础，并配备了鲁棒的安全护栏，为可信的 AI 驱动网络安全提供了蓝图。初步评估表明，MobiLLM 能够有效识别并编排复杂的缓解策略，显著降低响应延迟，并展示了 6G 中自主安全运营的可行性。
引用
@article{arxiv.2509.21634,
title = {MobiLLM: An Agentic AI Framework for Closed-Loop Threat Mitigation in 6G Open RANs},
author = {Prakhar Sharma and Haohuang Wen and Vinod Yegneswaran and Ashish Gehani and Phillip Porras and Zhiqiang Lin},
journal= {arXiv preprint arXiv:2509.21634},
year = {2025}
}