論文の概要: Smart Fuzzing of 5G Wireless Software Implementation
- arxiv url: http://arxiv.org/abs/2309.12994v1
- Date: Fri, 22 Sep 2023 16:45:42 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-23 06:39:39.283410
- Title: Smart Fuzzing of 5G Wireless Software Implementation
- Title(参考訳): 5g無線ソフトウェア実装のスマートファジング
- Authors: Huan Wu, Brian Fang, and Fei Xie
- Abstract要約: 我々は,OpenAirInterface5G(OAI5G)のセキュリティ,信頼性,理解性を高めるための包括的アプローチを導入する。
我々は、強力なファジィツールであるAFL++を使用して、その構成ファイルに関して、OAI5Gをファジィテストする。
第二に、Google Bardのような大規模言語モデルの能力を利用して、ファジングで使用されるOAI5G内のパラメータを自動解読し、文書化する。
- 参考スコア(独自算出の注目度): 4.1439060468480005
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, we introduce a comprehensive approach to bolstering the
security, reliability, and comprehensibility of OpenAirInterface5G (OAI5G), an
open-source software framework for the exploration, development, and testing of
5G wireless communication systems. Firstly, we employ AFL++, a powerful fuzzing
tool, to fuzzy-test OAI5G with respect to its configuration files rigorously.
This extensive testing process helps identify errors, defects, and security
vulnerabilities that may evade conventional testing methods. Secondly, we
harness the capabilities of Large Language Models such as Google Bard to
automatically decipher and document the meanings of parameters within the OAI5G
codebase that are used in fuzzing. This automated parameter interpretation
streamlines subsequent analyses and facilitates more informed decision-making.
Together, these two techniques contribute to fortifying the OAI5G system,
making it more robust, secure, and understandable for developers and analysts
alike.
- Abstract(参考訳): 本稿では,5g無線通信システムの探索,開発,テストを行うためのオープンソースソフトウェアフレームワークであるopenairinterface5g(oai5g)のセキュリティ,信頼性,理解性を高めるための包括的アプローチを提案する。
まず、我々は強力なファジィツールであるAFL++を使用して、その構成ファイルに関してOAI5Gをファジィテストする。
この広範なテストプロセスは、従来のテストメソッドを回避する可能性のあるエラー、欠陥、セキュリティ脆弱性の特定に役立つ。
第二に、Google Bardのような大規模言語モデルの能力を利用して、ファジングに使用されるOAI5Gコードベース内のパラメータの意味を自動的に解読し、文書化する。
この自動パラメータ解釈は、その後の分析を合理化し、よりインフォームドな意思決定を促進する。
これら2つのテクニックは、oai5gシステムの強化に貢献し、開発者やアナリストにとってもより堅牢でセキュアで理解しやすいものにします。
関連論文リスト
- Masked Thought: Simply Masking Partial Reasoning Steps Can Improve
Mathematical Reasoning Learning of Language Models [106.59263704052206]
推論タスクでは、小さなエラーでも不正確な結果にカスケードすることができる。
入力の摂動に代えて,外部リソースを回避する手法を開発した。
私たちのトレーニングアプローチは、思考の連鎖内の特定のトークンをランダムに隠蔽します。
論文 参考訳(メタデータ) (2024-03-04T16:21:54Z) - A Preliminary Study on Using Large Language Models in Software
Pentesting [2.0551676463612636]
大規模言語モデル(LLM)は、セキュリティタスクを自動化するための有望な可能性を提供すると考えられている。
ソフトウェアペンテスティングにおけるLLMの使用について検討し,ソースコード中のソフトウェアセキュリティ脆弱性を自動的に識別する作業を行う。
論文 参考訳(メタデータ) (2024-01-30T21:42:59Z) - Foundation Model Based Native AI Framework in 6G with Cloud-Edge-End
Collaboration [56.330705072736166]
基礎モデルに基づく6GネイティブAIフレームワークを提案し、意図認識型PFMのカスタマイズアプローチを提供し、新しいクラウド-エッジコラボレーションパラダイムを概説する。
実例として,無線通信システムにおける最大和率を達成するために,このフレームワークをオーケストレーションに適用する。
論文 参考訳(メタデータ) (2023-10-26T15:19:40Z) - A LLM Assisted Exploitation of AI-Guardian [57.572998144258705]
IEEE S&P 2023で発表された敵に対する最近の防衛であるAI-Guardianの堅牢性を評価する。
我々は、このモデルを攻撃するためのコードを書かず、代わりに、GPT-4に命令とガイダンスに従って全ての攻撃アルゴリズムを実装するよう促します。
このプロセスは驚くほど効果的で効率的であり、言語モデルでは、この論文の著者が実行したよりも高速に曖昧な命令からコードを生成することもあった。
論文 参考訳(メタデータ) (2023-07-20T17:33:25Z) - NLP-based Cross-Layer 5G Vulnerabilities Detection via Fuzzing Generated
Run-Time Profiling [4.893416946078254]
本稿では,5Gスタックにおける脆弱性,意図しない創発的動作,および性能劣化を自動的に検出する革新的な手法を提案する。
srsRANをパイロットとして、ファジィテストによって生成されたログ情報(LogInfo)を介して、実行時のプロファイリングをまず高次元距離空間にマッピングする。
さらに、ロジスティック回帰(Logistic Regression)、K-Nearest Neighbors(K-Nearest Neighbors)、ランダムフォレスト(Random Forest)といった機械学習ベースの分類アルゴリズムを活用して、パフォーマンスとセキュリティ特性への影響を分類します。
論文 参考訳(メタデータ) (2023-05-14T19:07:21Z) - Agile gesture recognition for capacitive sensing devices: adapting
on-the-job [55.40855017016652]
本システムでは, コンデンサセンサからの信号を手の動き認識器に組み込んだ手動作認識システムを提案する。
コントローラは、着用者5本の指それぞれからリアルタイム信号を生成する。
機械学習技術を用いて時系列信号を解析し,500ms以内で5本の指を表現できる3つの特徴を同定する。
論文 参考訳(メタデータ) (2023-05-12T17:24:02Z) - Towards Supporting Intelligence in 5G/6G Core Networks: NWDAF
Implementation and Initial Analysis [3.5573601621032935]
本稿では,NWDAFをオープンソースソフトウェアを用いて開発した5Gネットワークに組み込む。
5Gネットワークの期待される限界は,6Gネットワーク開発へのモチベーションとして議論される。
論文 参考訳(メタデータ) (2022-05-30T14:15:46Z) - A Survey on XAI for Beyond 5G Security: Technical Aspects, Use Cases,
Challenges and Research Directions [5.891706309293248]
B5GのセキュリティドメインでXAIを使用することの目標は、システムのセキュリティの意思決定プロセスが、ステークホルダに対して透過的で理解しやすいようにすることです。
RANやゼロタッチネットワーク管理、E2EスライシングといったB5G技術など、今後のB5G時代のあらゆる面において、この調査は、XAIの役割と、一般ユーザーが最終的に楽しむであろうユースケースを強調している。
論文 参考訳(メタデータ) (2022-04-27T10:26:24Z) - VELVET: a noVel Ensemble Learning approach to automatically locate
VulnErable sTatements [62.93814803258067]
本稿では,ソースコード中の脆弱な文を見つけるための新しいアンサンブル学習手法であるVELVETを提案する。
我々のモデルは、グラフベースとシーケンスベースニューラルネットワークを組み合わせて、プログラムグラフの局所的およびグローバル的コンテキストを捕捉する。
VELVETは、合成データと実世界のデータに対して、それぞれ99.6%と43.6%の精度を達成している。
論文 参考訳(メタデータ) (2021-12-20T22:45:27Z) - WNARS: WFST based Non-autoregressive Streaming End-to-End Speech
Recognition [59.975078145303605]
本稿では,ハイブリッドCTC-attention AEDモデルと重み付き有限状態トランスデューサを用いた新しいフレームワークWNARSを提案する。
AISHELL-1タスクでは、640msの遅延で5.22%の文字エラー率を達成し、オンラインASRの最先端のパフォーマンスである私たちの知識を最大限に活用します。
論文 参考訳(メタデータ) (2021-04-08T07:56:03Z) - Artificial Intelligence and Machine Learning in 5G Network Security:
Opportunities, advantages, and future research trends [5.431496585727341]
5Gネットワークの最大のセールスポイントは、データレートとスピードの向上だ。
5Gネットワークの最大のセールスポイントはデータレートと速度の向上であり、幅広い脅威に対処することは困難である。
本稿では,5GネットワークセキュリティのためのAIおよびML駆動アプリケーションについて述べる。
論文 参考訳(メタデータ) (2020-07-09T01:02:13Z)
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。