PUL-Inter-slice Defender：一种分布式切片移动攻击的异常检测方案
机器学习
2025-10-03 v1
摘要
网络切片（NS）是运行在共享物理基础设施上的虚拟网络，每个切片旨在满足特定应用需求，同时保持一致的服务质量（QoS）。在第五代（5G）网络中，用户设备（UE）可以连接并无缝切换多个 NS 以访问多样化服务。然而，这种灵活性——即切片间切换（ISS）——引入了一个潜在漏洞，可被利用来发动分布式切片移动（DSM）攻击，这是一种分布式拒绝服务（DDoS）攻击形式。为保护 5G 网络及其 NS 免受 DSM 攻击，本文提出 PUL-Inter-Slice Defender：一种利用正无标签学习（PUL）并结合长短期记忆自编码器与 K-Means 聚类的异常检测方案。PUL-Inter-Slice Defender 利用第三代合作伙伴计划（3GPP）关键性能指标和性能测量计数器作为机器学习模型的特征，在训练数据存在污染的情况下检测 DSM 攻击变体并保持鲁棒性。在基于开源 free5GC 和 UERANSIM（UE/无线接入网模拟器）构建的 5G 测试平台上收集的数据上进行评估后，PUL-Inter-Slice Defender 在 10% 至 40% 攻击污染的训练数据集上实现了超过 98.50% 的 F1 值，始终优于其对应方案 Inter-Slice Defender 以及结合单类支持向量机（OCSVM）与随机森林和 XGBoost 的其他 PUL 方案。
引用
@article{arxiv.2510.02236,
title = {PUL-Inter-slice Defender: An Anomaly Detection Solution for Distributed Slice Mobility Attacks},
author = {Ricardo Misael Ayala Molina and Hyame Assem Alameddine and Makan Pourzandi and Chadi Assi},
journal= {arXiv preprint arXiv:2510.02236},
year = {2025}
}
备注
13 pages, 7 figures, 4 tables, journal paper