量子增强 AI/ML 用于 O-RAN：基于神经符号策略的层次化威胁检测与协同智能与可解释性（技术报告）
密码学与安全
2025-12-18 v1 人工智能
机器学习
摘要
开放式无线接入网络（O-RAN）通过模块化和遥测细粒度增强了网络安全攻击面的同时，也扩大了在非集中化控制、用户和管理平面之间的网络安全攻击面。我们提出了一个三层协调框架——异常检测、入侵确认和多攻击分类——与 O-RAN 的遥测堆栈相匹配。我们的 метод将混合量子计算与机器学习相结合，利用幅度和纠缠基于特征编码结合深度和集成分类器。我们在包含合成数据和真实世界遥测数据的广泛基准测试中评估了编码深度、架构变体和诊断保真度。该框架始终实现近乎完美的准确率、高召回率和强类别可分离性。多方面评估通过决策边界、概率边际和潜在空间几何图谱，确认了其可解释性、鲁棒性以及在近实时 RIC 和非实时 RIC 领域的可扩展部署的准备情况。
引用
@article{arxiv.2512.14742,
title = {Quantum-Augmented AI/ML for O-RAN: Hierarchical Threat Detection with Synergistic Intelligence and Interpretability (Technical Report)},
author = {Tan Le and Van Le and Sachin Shetty},
journal= {arXiv preprint arXiv:2512.14742},
year = {2025}
}