
-
生物通官微
陪你抓住生命科技
跳动的脉搏
开放无线接入网络中的低速率拒绝服务攻击检测:集成联邦学习方法
《IEEE Vehicular Technology Magazine》:Low-Rate Denial-of-Service Attack Detection in Open Radio Access Network: Integrating Federated Learning
【字体: 大 中 小 】 时间:2025年12月26日 来源:IEEE Vehicular Technology Magazine 7.2
编辑推荐:
O-RAN架构下基于联邦学习的跨域安全检测系统研究,提出O-RAN AIS3方案通过多RICs参数共享实现跨域知识同步,有效提升5G PN环境中新型DoS攻击的实时检测能力。
随着物联网(IoT)设备和工业控制系统与4G/5G私有网络(PNs)的连接日益增多,安全漏洞变得愈发严重。这类环境中的攻击往往复杂多样,需要先进的、具有适应性的检测机制。然而,传统的检测系统通常依赖于核心网络,成本高昂、存在延迟且缺乏灵活性。开放无线接入网络(O-RAN)架构通过解耦硬件和软件组件,提供了一个灵活且经济高效的框架。本文提出了一种新的解决方案——O-RAN高级信息安全共享系统(O-RAN AIS3),该系统整合了联邦学习(FL)技术来提升检测能力。检测模型被部署在接近实时的RAN智能控制器(Near-RT RICs)中,并通过参数共享定期更新。一个Y1消费者节点汇总来自多个Near-RT RIC的参数,从而实现跨不同网络环境的知识同步。这种协作学习方法促进了跨领域知识共享,对于应对PNs中攻击的动态特性以及实时检测新兴威胁至关重要。我们评估了该方法在检测未见过的低速和高速拒绝服务(DoS)攻击方面的有效性,利用FL技术增强了跨运营商的安全性。收集到的数据集来自模拟的PN环境,包含了11种不同类型的攻击生成的流量,涵盖了低速和高速场景。在两个5G O-RAN PN环境中进行的实验表明,在这两种情况下检测精度都有所提升。这些结果凸显了基于FL的系统在应对运行中的PNs中日益复杂的恶意行为方面的有效性。