論文の概要: MobiLLM: An Agentic AI Framework for Closed-Loop Threat Mitigation in 6G Open RANs

• arxiv url: http://arxiv.org/abs/2509.21634v2
• Date: Fri, 03 Oct 2025 17:43:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-06 14:21:29.891845
• Title: MobiLLM: An Agentic AI Framework for Closed-Loop Threat Mitigation in 6G Open RANs
• Title（参考訳）: MobiLLM: 6G Open RANにおけるクローズドループ脅威軽減のためのエージェントAIフレームワーク
• Authors: Prakhar Sharma, Haohuang Wen, Vinod Yegneswaran, Ashish Gehani, Phillip Porras, Zhiqiang Lin,
• Abstract要約: 6G O-RAN環境における完全自動化されたエンドツーエンドの脅威軽減のためのエージェントAIフレームワークを提案する。 MobiLLMは,大規模言語モデルを利用したモジュール型マルチエージェントシステムを通じて,セキュリティをオーケストレーションする。 最初の評価は、MobiLLMが複雑な緩和戦略を効果的に識別し、編成できることを示していた。
• 参考スコア（独自算出の注目度）: 13.455356391515913
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The evolution toward 6G networks is being accelerated by the Open Radio Access Network (O-RAN) paradigm -- an open, interoperable architecture that enables intelligent, modular applications across public telecom and private enterprise domains. While this openness creates unprecedented opportunities for innovation, it also expands the attack surface, demanding resilient, low-cost, and autonomous security solutions. Legacy defenses remain largely reactive, labor-intensive, and inadequate for the scale and complexity of next-generation systems. Current O-RAN applications focus mainly on network optimization or passive threat detection, with limited capability for closed-loop, automated response. To address this critical gap, we present an agentic AI framework for fully automated, end-to-end threat mitigation in 6G O-RAN environments. MobiLLM orchestrates security workflows through a modular multi-agent system powered by Large Language Models (LLMs). The framework features a Threat Analysis Agent for real-time data triage, a Threat Classification Agent that uses Retrieval-Augmented Generation (RAG) to map anomalies to specific countermeasures, and a Threat Response Agent that safely operationalizes mitigation actions via O-RAN control interfaces. Grounded in trusted knowledge bases such as the MITRE FiGHT framework and 3GPP specifications, and equipped with robust safety guardrails, MobiLLM provides a blueprint for trustworthy AI-driven network security. Initial evaluations demonstrate that MobiLLM can effectively identify and orchestrate complex mitigation strategies, significantly reducing response latency and showcasing the feasibility of autonomous security operations in 6G.
• Abstract（参考訳）: 6Gネットワークへの進化は、オープンで相互運用可能なアーキテクチャであるOpen Radio Access Network (O-RAN)パラダイムによって加速されている。 このオープン性はイノベーションの先例のない機会を生み出す一方で、攻撃面を拡張し、レジリエンス、低コスト、自律的なセキュリティソリューションを必要としている。 レガシー・ディフェンスは、主に反応し、労働集約的で、次世代システムの規模と複雑さに不十分なままである。 現在のO-RANアプリケーションは、主にネットワーク最適化や受動的脅威検出に重点を置いており、クローズドループや自動応答の能力に制限がある。 この重要なギャップに対処するため、6G O-RAN環境において、完全に自動化されたエンドツーエンドの脅威軽減のためのエージェントAIフレームワークを提案する。 MobiLLMは、LLM(Large Language Models)を利用したモジュール型マルチエージェントシステムを通じて、セキュリティワークフローをオーケストレーションする。 このフレームワークは、リアルタイムデータトリアージのための脅威分析エージェント、特定の対策に異常をマッピングするためにレトリーバル拡張生成(RAG)を使用する脅威分類エージェント、O-RAN制御インターフェースを介して緩和アクションを安全に運用する脅威応答エージェントを備える。 MITRE FiGHTフレームワークや3GPP仕様といった信頼できる知識基盤と堅牢な安全ガードレールを備えたMobiLLMは、信頼できるAI駆動ネットワークセキュリティのための青写真を提供する。 最初の評価では、MobiLLMは複雑な緩和戦略を効果的に識別し、編成し、応答遅延を著しく低減し、6Gにおける自律セキュリティ操作の実現可能性を示す。

関連論文リスト

• OpenAgentSafety: A Comprehensive Framework for Evaluating Real-World AI Agent Safety [58.201189860217724]
  OpenAgentSafetyは,8つの危機リスクカテゴリにまたがるエージェントの動作を評価する包括的なフレームワークである。 従来の作業とは異なり、我々のフレームワークは、Webブラウザ、コード実行環境、ファイルシステム、bashシェル、メッセージングプラットフォームなど、実際のツールと対話するエージェントを評価します。 ルールベースの分析とLSM-as-judgeアセスメントを組み合わせることで、過度な行動と微妙な不安全行動の両方を検出する。
  論文  参考訳（メタデータ） (2025-07-08T16:18:54Z)
• Seven Security Challenges That Must be Solved in Cross-domain Multi-agent LLM Systems [16.838103835766066]
  大規模言語モデル(LLM)は、組織の境界を越えて協調する自律エージェントへと急速に進化している。 本稿では、クロスドメインマルチエージェントLLMシステムのセキュリティアジェンダをマッピングする。
  論文  参考訳（メタデータ） (2025-05-28T18:19:03Z)
• RedTeamLLM: an Agentic AI framework for offensive security [0.0]
  我々は,ペンテストタスクの自動化のための総合的なセキュリティモデルを備えた統合アーキテクチャであるRedTeamLLMを提案し,評価する。 RedTeamLLMは3つの重要なステップに従っている。 評価は、一連のエントリーレベルの自動解決を通じて行われるが、簡単なことではなく、CTFの課題である。
  論文  参考訳（メタデータ） (2025-05-11T09:19:10Z)
• AgentVigil: Generic Black-Box Red-teaming for Indirect Prompt Injection against LLM Agents [54.29555239363013]
  本稿では,間接的なインジェクション脆弱性を自動的に検出し,悪用するための汎用的なブラックボックスファジリングフレームワークであるAgentVigilを提案する。 我々はAgentVigilをAgentDojoとVWA-advの2つの公開ベンチマークで評価し、o3-miniとGPT-4oに基づくエージェントに対して71%と70%の成功率を達成した。 攻撃を現実世界の環境に適用し、悪質なサイトを含む任意のURLに誘導するエージェントをうまく誘導する。
  論文  参考訳（メタデータ） (2025-05-09T07:40:17Z)
• An LLM-based Self-Evolving Security Framework for 6G Space-Air-Ground Integrated Networks [49.605335601285496]
  6Gスペースエアグラウンド統合ネットワーク(SAGIN)は、様々なモバイルアプリケーションに対してユビキタスなカバレッジを提供する。 大規模言語モデル(LLM)に基づくSAGINの新しいセキュリティフレームワークを提案する。 当社のフレームワークは,さまざまな未知の攻撃に対して堅牢な,高精度なセキュリティ戦略を実現しています。
  論文  参考訳（メタデータ） (2025-05-06T04:14:13Z)
• Integrated LLM-Based Intrusion Detection with Secure Slicing xApp for Securing O-RAN-Enabled Wireless Network Deployments [2.943640991628177]
  Open Radio Access Network (O-RAN) アーキテクチャは、オープン性、柔軟性、インテリジェントなクローズループ最適化を促進することで、通信を再構築している。 本研究では,接続されたUEの時間的トラフィックパターンに基づいて,大規模言語モデル(LLM)を用いてセキュリティレコメンデーションを生成する。
  論文  参考訳（メタデータ） (2025-04-01T01:45:07Z)
• 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)

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。