論文の概要: Intelligent Zero Trust Architecture for 5G/6G Tactical Networks:
Principles, Challenges, and the Role of Machine Learning
- arxiv url: http://arxiv.org/abs/2105.01478v1
- Date: Tue, 4 May 2021 13:14:29 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-05 12:44:53.395446
- Title: Intelligent Zero Trust Architecture for 5G/6G Tactical Networks:
Principles, Challenges, and the Role of Machine Learning
- Title（参考訳）: 5g/6g戦術ネットワークのためのインテリジェントゼロ信頼アーキテクチャ--原則,課題,機械学習の役割
- Authors: Keyvan Ramezanpour and Jithin Jagannath
- Abstract要約: 課題を強調し,信頼できないコンポーネントを持つ5G/6Gネットワークのセキュリティフレームワークとして,インテリジェントゼロ信頼アーキテクチャ(i-ZTA)の概念を導入する。
本稿では,現代の人工知能(AI)アルゴリズムを開発して,信頼できないネットワークにおける情報セキュリティを提供するi-ZTAのアーキテクチャ設計について述べる。
- 参考スコア（独自算出の注目度）: 4.314956204483074
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: In this position paper, we discuss the critical need for integrating zero
trust (ZT) principles into next-generation communication networks (5G/6G) for
both tactical and commercial applications. We highlight the challenges and
introduce the concept of an intelligent zero trust architecture (i-ZTA) as a
security framework in 5G/6G networks with untrusted components. While network
virtualization, software-defined networking (SDN), and service-based
architectures (SBA) are key enablers of 5G networks, operating in an untrusted
environment has also become a key feature of the networks. Further, seamless
connectivity to a high volume of devices in multi-radio access technology (RAT)
has broadened the attack surface on information infrastructure. Network
assurance in a dynamic untrusted environment calls for revolutionary
architectures beyond existing static security frameworks. This paper presents
the architectural design of an i-ZTA upon which modern artificial intelligence
(AI) algorithms can be developed to provide information security in untrusted
networks. We introduce key ZT principles as real-time Monitoring of the
security state of network assets, Evaluating the risk of individual access
requests, and Deciding on access authorization using a dynamic trust algorithm,
called MED components. The envisioned architecture adopts an SBA-based design,
similar to the 3GPP specification of 5G networks, by leveraging the open radio
access network (O-RAN) architecture with appropriate real-time engines and
network interfaces for collecting necessary machine learning data. The i-ZTA is
also expected to exploit the multi-access edge computing (MEC) technology of 5G
as a key enabler of intelligent MED components for resource-constraint devices.
- Abstract（参考訳）: 本稿では,戦術的・商業的両方の用途において,次世代通信ネットワーク(5g/6g)にゼロ信頼(zt)原則を統合する必要性について論じる。
課題を強調し,信頼できないコンポーネントを持つ5G/6Gネットワークのセキュリティフレームワークとして,インテリジェントゼロ信頼アーキテクチャ(i-ZTA)の概念を導入する。
ネットワーク仮想化、SDN(Software-Defined Network)、SBA(Service-based Architecture)は5Gネットワークの重要な実現要因であるが、信頼できない環境での運用もネットワークの重要な特徴となっている。
さらに、マルチラジオアクセス技術(RAT)における大量のデバイスへのシームレスな接続により、情報基盤の攻撃面が拡大した。
動的に信頼できない環境でのネットワーク保証は、既存の静的セキュリティフレームワーク以上の革命的アーキテクチャを要求する。
本稿では、信頼できないネットワークにおいて情報セキュリティを提供するため、現代の人工知能(AI)アルゴリズムを開発できるi-ZTAのアーキテクチャ設計について述べる。
本稿では,ネットワークアセットのセキュリティ状態のリアルタイムモニタリング,個々のアクセス要求のリスク評価,MEDコンポーネントと呼ばれる動的信頼アルゴリズムを用いたアクセス認可の決定など,ZTのキーとなる原則を紹介する。
想定されたアーキテクチャは、5gネットワークの3gpp仕様に似たsbaベースの設計を採用し、open radio access network (o-ran)アーキテクチャを適切なリアルタイムエンジンとネットワークインターフェースで活用し、必要な機械学習データを収集する。
i-ZTAはまた、5Gのマルチアクセスエッジコンピューティング(MEC)技術をリソース制約デバイスのためのインテリジェントなMEDコンポーネントのキーイネーラとして活用することが期待されている。
関連論文リスト
- AI-Native Multi-Access Future Networks -- The REASON Architecture [4.323505243954935]
REASONプロジェクトは、E2Eサービスオーケストレーション、サステナビリティ、セキュリティ、信頼管理など、将来のネットワークデプロイメントにおける技術的な課題に対処することを目的としている。
本稿では,REASONのアーキテクチャと今後のネットワークに対する要件について述べる。
論文 参考訳（メタデータ） (2024-11-11T11:10:39Z) - An Intelligent Native Network Slicing Security Architecture Empowered by Federated Learning [0.0]
ネットワークスライシングソリューションを改善するためのアーキテクチャ・インテリジェントセキュリティ機構を提案する。
我々は、汎用的および非ネイティブなテレメトリ記録を用いて、スライス内のDistributed Denial-of-Service(DDoS)と侵入攻撃を識別する。
論文 参考訳（メタデータ） (2024-10-04T21:12:23Z) - Establishing Trust in the Beyond-5G Core Network using Trusted Execution Environments [4.235733335401408]
本稿では,B5Gネットワークで導入されたセキュリティの意義と,B5G標準でサポートされているセキュリティメカニズムについて概説する。
我々は、信頼できない実行環境をモデル化するためのZero Trust Execution(ゼロトラスト実行)の垂直拡張を提案する。
我々は,Trusted Execution Environmentsを用いて,Beyond-5Gネットワークアーキテクチャの信頼性を確立する方法について分析する。
論文 参考訳（メタデータ） (2024-05-20T17:02:18Z) - Penetration Testing of 5G Core Network Web Technologies [53.89039878885825]
Web セキュリティの観点から 5G コアのセキュリティ評価を行った。
我々はSTRIDE脅威モデリングアプローチを用いて、脅威ベクトルと関連する攻撃の完全なリストを定義する。
我々の分析によると、これらのコアはすべて、特定された攻撃ベクトルのうち少なくとも2つに対して脆弱である。
論文 参考訳（メタデータ） (2024-03-04T09:27:11Z) - Enabling a Zero Trust Architecture in a 5G-enabled Smart Grid [0.0]
スマートグリッド(SG)は、IoTを通じてリアルタイム監視を提供するために、迅速で信頼性の高い接続を必要とする。
5Gは既存の電力グリッドシステムのアップグレードの触媒と見なすことができる。
この記事では、IoTの電力システムに特有のZero Trust(ZT)アーキテクチャを分析し、その知識を使ってセキュリティ保護アーキテクチャを開発する。
論文 参考訳（メタデータ） (2022-10-04T16:57:33Z) - Artificial Intelligence Empowered Multiple Access for Ultra Reliable and
Low Latency THz Wireless Networks [76.89730672544216]
テラヘルツ(THz)無線ネットワークは、第5世代(B5G)以上の時代を触媒すると予想されている。
いくつかのB5Gアプリケーションの超信頼性と低レイテンシ要求を満たすためには、新しいモビリティ管理アプローチが必要である。
本稿では、インテリジェントなユーザアソシエーションとリソースアロケーションを実現するとともに、フレキシブルで適応的なモビリティ管理を可能にする、全体論的MAC層アプローチを提案する。
論文 参考訳（メタデータ） (2022-08-17T03:00:24Z) - Machine Learning-Based User Scheduling in Integrated
Satellite-HAPS-Ground Networks [82.58968700765783]
第6世代通信ネットワーク(6G)の強化のための価値あるソリューション空間の提供を約束する。
本稿では,空対地統合通信におけるユーザスケジューリングにおける機械学習の可能性について述べる。
論文 参考訳（メタデータ） (2022-05-27T13:09:29Z) - Digital Twin Virtualization with Machine Learning for IoT and Beyond 5G
Networks: Research Directions for Security and Optimal Control [3.1798318618973362]
デジタルツイン(DT)技術は、サイバー物理システムのリアルタイムデータ駆動モデリングのソリューションとして登場した。
我々は,クラウドコンピューティングを分散化して実装したDTフレームワークの概念階層アーキテクチャを構築した。
既存のシステム上での革新的な技術の開発と展開のリスクを下げることにおけるDTの重要性について論じる。
論文 参考訳（メタデータ） (2022-04-05T03:04:02Z) - Phase Configuration Learning in Wireless Networks with Multiple
Reconfigurable Intelligent Surfaces [50.622375361505824]
RIS(Reconfigurable Intelligent Surfaces)は、電磁波伝搬の動的制御を提供する、高度にスケーラブルな技術である。
RISを内蔵した無線通信における大きな課題の1つは、複数のRISの低オーバーヘッドダイナミックな構成である。
RISの位相構成に対する低複雑さ教師あり学習手法を考案する。
論文 参考訳（メタデータ） (2020-10-09T05:35:27Z) - Towards Self-learning Edge Intelligence in 6G [143.1821636135413]
エッジインテリジェンス(エッジインテリジェンス、Edge Intelligence、別名エッジネイティブ人工知能(AI))は、AI、通信ネットワーク、モバイルエッジコンピューティングのシームレスな統合に焦点を当てた新興技術フレームワークである。
本稿では、6GにおけるエッジネイティブAIの重要な要件と課題を特定する。
論文 参考訳（メタデータ） (2020-10-01T02:16:40Z) - Deep Learning for Ultra-Reliable and Low-Latency Communications in 6G
Networks [84.2155885234293]
まず,データ駆動型教師付き深層学習と深部強化学習をURLLCに適用する方法を概説する。
このようなオープンな問題に対処するために、デバイスインテリジェンス、エッジインテリジェンス、およびURLLCのためのクラウドインテリジェンスを可能にするマルチレベルアーキテクチャを開発した。
論文 参考訳（メタデータ） (2020-02-22T14:38:11Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。