論文の概要: AI5GTest: AI-Driven Specification-Aware Automated Testing and Validation of 5G O-RAN Components

• arxiv url: http://arxiv.org/abs/2506.10111v1
• Date: Wed, 11 Jun 2025 18:49:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-13 15:37:22.399009
• Title: AI5GTest: AI-Driven Specification-Aware Automated Testing and Validation of 5G O-RAN Components
• Title（参考訳）: AI5GTest: 5G O-RANコンポーネントの自動テストと検証
• Authors: Abiodun Ganiyu, Pranshav Gajjar, Vijay K Shah,
• Abstract要約: AI5GTest - AIによる仕様対応テストフレームワーク。 O-RANコンポーネントの検証を自動化するように設計されている。 従来の手動の手法に比べて、全体のテスト実行時間が大幅に削減されている。
• 参考スコア（独自算出の注目度）: 1.1879716317856948
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The advent of Open Radio Access Networks (O-RAN) has transformed the telecommunications industry by promoting interoperability, vendor diversity, and rapid innovation. However, its disaggregated architecture introduces complex testing challenges, particularly in validating multi-vendor components against O-RAN ALLIANCE and 3GPP specifications. Existing frameworks, such as those provided by Open Testing and Integration Centres (OTICs), rely heavily on manual processes, are fragmented and prone to human error, leading to inconsistency and scalability issues. To address these limitations, we present AI5GTest -- an AI-powered, specification-aware testing framework designed to automate the validation of O-RAN components. AI5GTest leverages a cooperative Large Language Models (LLM) framework consisting of Gen-LLM, Val-LLM, and Debug-LLM. Gen-LLM automatically generates expected procedural flows for test cases based on 3GPP and O-RAN specifications, while Val-LLM cross-references signaling messages against these flows to validate compliance and detect deviations. If anomalies arise, Debug-LLM performs root cause analysis, providing insight to the failure cause. To enhance transparency and trustworthiness, AI5GTest incorporates a human-in-the-loop mechanism, where the Gen-LLM presents top-k relevant official specifications to the tester for approval before proceeding with validation. Evaluated using a range of test cases obtained from O-RAN TIFG and WG5-IOT test specifications, AI5GTest demonstrates a significant reduction in overall test execution time compared to traditional manual methods, while maintaining high validation accuracy.
• Abstract（参考訳）: Open Radio Access Networks(O-RAN)の出現は、相互運用性、ベンダーの多様性、迅速なイノベーションを促進することで、通信業界を変革させた。 しかし、その非凝集アーキテクチャは複雑なテストの問題を引き起こし、特にO-RAN ALLIANCEと3GPP仕様に対するマルチベンダコンポーネントの検証は困難である。 Open Testing and Integration Centres(OTICs)が提供するような既存のフレームワークは、手動のプロセスに大きく依存しており、断片化され、ヒューマンエラーを起こしやすいため、一貫性やスケーラビリティの問題につながる。 これらの制限に対処するために、AI5GTest – O-RANコンポーネントの検証を自動化するように設計された、AI駆動の仕様対応テストフレームワークを紹介します。 AI5GTestは、Gen-LLM、Val-LLM、Debug-LLMで構成される協調型Large Language Models (LLM)フレームワークを利用している。 Gen-LLMは3GPPとO-RAN仕様に基づいて、テストケースの期待される手続きフローを自動的に生成する。 異常が発生した場合、Debug-LLMはルート原因分析を行い、障害原因に関する洞察を提供する。 透明性と信頼性を高めるため、AI5GTestでは、Human-in-the-loopメカニズムが組み込まれている。 O-RAN TIFGとWG5-IOTテスト仕様から得られたテストケースの範囲から評価すると、AI5GTestは、従来の手作業の手法と比較して、テストの実行時間を大幅に短縮し、高い検証精度を維持している。

関連論文リスト

• An Automated Blackbox Noncompliance Checker for QUIC Server Implementations [2.9248916859490173]
  QUICtesterは、承認されたQUICプロトコル実装(RFC 9000/)における非準拠の動作を明らかにするための自動化アプローチである。 我々はQUICtesterを用いて、19のQUIC実装から得られた186個の学習モデルを5つのセキュリティ設定で解析し、55個の実装エラーを発見した。
  論文  参考訳（メタデータ） (2025-05-19T04:28:49Z)
• The BrowserGym Ecosystem for Web Agent Research [151.90034093362343]
  BrowserGymエコシステムは、Webエージェントの効率的な評価とベンチマークの必要性の高まりに対処する。 本稿では,Webエージェント研究のためのBrowserGymベースの拡張エコシステムを提案する。 大規模なマルチベンチマークWebエージェント実験を初めて実施し、6つのWebエージェントベンチマークで6つの最先端LCMの性能を比較した。
  論文  参考訳（メタデータ） (2024-12-06T23:43:59Z)
• Automated Proof Generation for Rust Code via Self-Evolution [69.25795662658356]
  私たちは、Rustコードの自動証明生成を可能にする、人書きスニペットの欠如を克服するフレームワークであるSAFEを紹介します。 SAFEは、細調整されたモデルの自己老化能力を訓練するために、多数の合成不正確な証明を再利用する。 我々は、人間の専門家によるベンチマークで52.52%の精度で達成し、GPT-4oのパフォーマンス14.39%を大きく上回った。
  論文  参考訳（メタデータ） (2024-10-21T08:15:45Z)
• Networks of Networks: Complexity Class Principles Applied to Compound AI Systems Design [63.24275274981911]
  多くの言語モデル推論コールからなる複合AIシステムは、ますます採用されている。 本研究では,提案した回答の生成と正当性検証の区別を中心に,ネットワークネットワーク(NoN)と呼ばれるシステムを構築した。 我々は,Kジェネレータを備えた検証器ベースの判定器NoNを導入し,"Best-of-K"あるいは"judge-based"複合AIシステムのインスタンス化を行う。
  論文  参考訳（メタデータ） (2024-07-23T20:40:37Z)
• Cloud-based XAI Services for Assessing Open Repository Models Under Adversarial Attacks [7.500941533148728]
  計算コンポーネントとアセスメントタスクをパイプラインにカプセル化するクラウドベースのサービスフレームワークを提案する。 我々は、AIモデルの5つの品質特性を評価するために、XAIサービスの応用を実証する。
  論文  参考訳（メタデータ） (2024-01-22T00:37:01Z)
• HuntGPT: Integrating Machine Learning-Based Anomaly Detection and Explainable AI with Large Language Models (LLMs) [0.09208007322096533]
  我々はランダムフォレスト分類器を応用した特殊な侵入検知ダッシュボードであるHuntGPTを提案する。 この論文は、Certified Information Security Manager (CISM) Practice Examsを通じて評価された、システムのアーキテクチャ、コンポーネント、技術的正確性について論じている。 その結果、LLMによってサポートされ、XAIと統合された会話エージェントは、侵入検出において堅牢で説明可能な、実行可能なAIソリューションを提供することを示した。
  論文  参考訳（メタデータ） (2023-09-27T20:58:13Z)
• Smart Fuzzing of 5G Wireless Software Implementation [4.1439060468480005]
  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。
  論文  参考訳（メタデータ） (2023-09-22T16:45:42Z)
• Auditing AI models for Verified Deployment under Semantic Specifications [65.12401653917838]
  AuditAIは、解釈可能な形式検証とスケーラビリティのギャップを埋める。 AuditAIは、画素空間の摂動のみを用いた検証の限界に対処しながら、検証と認定トレーニングのための制御されたバリエーションを得られるかを示す。
  論文  参考訳（メタデータ） (2021-09-25T22:53:24Z)

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。