迈向零接触网络：面向 6G 无线网络的跨层自动化安全解决方案
密码学与安全
2025-03-04 v1 机器学习
网络与互联网体系结构
摘要
从 5G 向 6G 移动网络的演进需要网络自动化，以满足对高速率、超低延迟和集成技术日益增长的需求。近期，由人工智能（AI）和机器学习（ML）驱动的零接触网络（ZTN）旨在以最少的人工干预自动化网络运营的整个生命周期，为增强 5G/6G 网络的自动化提供了有前景的解决方案。然而，ZTN 的实施带来了对自主且稳健的网络安全解决方案的需求，因为 ZTN 高度依赖自动化。AI/ML 算法被广泛用于开发网络安全机制，但需要大量专业知识并面临模型漂移问题，在开发自主网络安全措施方面构成了重大挑战。因此，本文提出了一种针对物理层认证（PLA）和跨层入侵检测系统（CLIDS）的自动化安全框架，以解决多个互联网协议层的安全问题。该框架采用漂移自适应在线学习技术和一种新颖的基于增强连续减半（SH）的自动化机器学习（AutoML）方法，为动态网络环境自动生成优化的 ML 模型。实验结果表明，所提出的框架在公共射频（RF）指纹和 CICIDS2017 数据集上取得了高性能，展示了其在动态和复杂网络环境中解决 PLA 和 CLIDS 任务的有效性。此外，本文探讨了 5G/6G 网络安全领域的开放挑战和研究方向。该框架代表了迈向完全自主和安全 6G 网络的重要进展，为未来网络自动化和网络安全的创新铺平了道路。
引用
@article{arxiv.2502.20627,
title = {Towards Zero Touch Networks: Cross-Layer Automated Security Solutions for 6G Wireless Networks},
author = {Li Yang and Shimaa Naser and Abdallah Shami and Sami Muhaidat and Lyndon Ong and Mérouane Debbah},
journal= {arXiv preprint arXiv:2502.20627},
year = {2025}
}
备注
Accepted and To Appear in IEEE Transactions on Communications (TCOM); Code is available at Github: https://github.com/Western-OC2-Lab/Cross-Layer-Autonomous-Cybersecurity-Framework