論文の概要: A Demonstration of Self-Adaptive Jamming Attack Detection in AI/ML Integrated O-RAN

• arxiv url: http://arxiv.org/abs/2510.09706v1
• Date: Fri, 10 Oct 2025 00:18:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-14 18:06:29.57431
• Title: A Demonstration of Self-Adaptive Jamming Attack Detection in AI/ML Integrated O-RAN
• Title（参考訳）: AI/ML統合O-RANにおける自己適応的ジャミング検出の実証
• Authors: Md Habibur Rahman, Md Sharif Hossen, Nathan H. Stephenson, Vijay K. Shah, Aloizio Da Silva,
• Abstract要約: 妨害攻撃は ネットワーク性能を著しく低下させる 本稿では,自己適応型ジャマ検出フレームワークであるSAJDについて述べる。 SAJDは、精度と適応性の観点から、最先端のジャミング検出xAppよりも優れていることを示す。
• 参考スコア（独自算出の注目度）: 2.1698490675188213
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The open radio access network (O-RAN) enables modular, intelligent, and programmable 5G network architectures through the adoption of software-defined networking, network function virtualization, and implementation of standardized open interfaces. However, one of the security concerns for O-RAN, which can severely undermine network performance, is jamming attacks. This paper presents SAJD- a self-adaptive jammer detection framework that autonomously detects jamming attacks in AI/ML framework-integrated ORAN environments without human intervention. The SAJD framework forms a closed-loop system that includes near-realtime inference of radio signal jamming via our developed ML-based xApp, as well as continuous monitoring and retraining pipelines through rApps. In this demonstration, we will show how SAJD outperforms state-of-the-art jamming detection xApp (offline trained with manual labels) in terms of accuracy and adaptability under various dynamic and previously unseen interference scenarios in the O-RAN-compliant testbed.
• Abstract（参考訳）: オープン無線アクセスネットワーク(O-RAN)は、ソフトウェア定義ネットワーク、ネットワーク機能仮想化、標準化されたオープンインターフェースの実装を通じて、モジュール、インテリジェント、プログラム可能な5Gネットワークアーキテクチャを実現する。 しかし、ネットワーク性能を著しく損なう可能性のあるO-RANのセキュリティ上の問題のひとつは、攻撃を妨害することである。 本稿では,AI/MLフレームワークを組み込んだORAN環境における妨害攻撃を,人間の介入なしに自律的に検出する,自己適応型ジャマ検出フレームワークであるSAJDを提案する。 SAJD フレームワークは,開発した ML ベースの xApp による無線信号ジャミングのほぼリアルタイム推定と,rApp によるパイプラインの継続的な監視と再訓練を含む,クローズドループシステムを形成する。 このデモでは、O-RAN準拠のテストベッドにおいて、様々な動的かつ以前は目に見えなかった干渉シナリオの下で、SAJDが、精度と適応性の観点から、最先端のジャミング検出xApp(手動ラベルでトレーニングされたオフライン)よりも優れたパフォーマンスを示す。

関連論文リスト

• The LLM as a Network Operator: A Vision for Generative AI in the 6G Radio Access Network [0.0]
  本稿では,Large Language Model (LLM)-RAN Operatorの概念を提案する。 LLMはRAN制御ループに埋め込まれ、高レベルの人間の意図を最適なネットワークアクションに変換する。 本稿では,NextG時代のAI理論と無線システム工学のギャップを埋めることを目的としている。
  論文  参考訳（メタデータ） (2025-08-27T20:47:45Z)
• Interpretable Anomaly-Based DDoS Detection in AI-RAN with XAI and LLMs [19.265893691825234]
  次世代無線アクセスネットワーク(RAN)は、インテリジェントコントローラを通じてプログラム可能性、インテリジェンス、およびほぼリアルタイム制御を導入する。 本稿では,Large Language Models (LLMs) による将来のRAN環境に対する XAI 侵入検知(IDS) の機会,課題,研究ギャップを概説する。
  論文  参考訳（メタデータ） (2025-07-27T22:16:09Z)
• AI/ML Life Cycle Management for Interoperable AI Native RAN [50.61227317567369]
  人工知能(AI)と機械学習(ML)モデルは、5Gラジオアクセスネットワーク(RAN)を急速に浸透させている これらの開発は、AIネイティブなトランシーバーを6Gのキーイネーブルとして基盤を築いた。
  論文  参考訳（メタデータ） (2025-07-24T16:04:59Z)
• CANTXSec: A Deterministic Intrusion Detection and Prevention System for CAN Bus Monitoring ECU Activations [53.036288487863786]
  物理ECUアクティベーションに基づく最初の決定論的侵入検知・防止システムであるCANTXSecを提案する。 CANバスの古典的な攻撃を検知・防止し、文献では調査されていない高度な攻撃を検知する。 物理テストベッド上での解法の有効性を実証し,攻撃の両クラスにおいて100%検出精度を達成し,100%のFIAを防止した。
  論文  参考訳（メタデータ） (2025-05-14T13:37:07Z)
• Rogue Cell: Adversarial Attack and Defense in Untrusted O-RAN Setup Exploiting the Traffic Steering xApp [24.941343115166436]
  Open Radio Access Network (O-RAN)アーキテクチャは、オープンでマルチベンダの設計とAIによる管理によって、携帯電話ネットワークに革命をもたらしている。 これまでの研究では、O-RANの知的コンポーネントから生じる脆弱性を主に調査してきた。 本稿では,単一演算子からマルチ演算型RANアーキテクチャへ移行した際のセキュリティ問題と脆弱性に着目する。
  論文  参考訳（メタデータ） (2025-05-03T13:19:44Z)
• What If We Had Used a Different App? Reliable Counterfactual KPI Analysis in Wireless Systems [52.499838151272016]
  本稿では、RANによって異なるアプリが実装された場合のトラフィックの値を推定する問題に対処する。 本稿では,無線システムに対する共形予測に基づく対実解析手法を提案する。
  論文  参考訳（メタデータ） (2024-09-30T18:47:26Z)
• Effective Intrusion Detection in Heterogeneous Internet-of-Things Networks via Ensemble Knowledge Distillation-based Federated Learning [52.6706505729803]
  我々は、分散化された侵入検知システムの共有モデル(IDS)を協調訓練するために、フェデレートラーニング(FL)を導入する。 FLEKDは従来のモデル融合法よりも柔軟な凝集法を実現する。 実験の結果,提案手法は,速度と性能の両面で,局所訓練と従来のFLよりも優れていた。
  論文  参考訳（メタデータ） (2024-01-22T14:16:37Z)
• Cross-Domain AI for Early Attack Detection and Defense Against Malicious Flows in O-RAN [5.196266559887213]
  クロスドメイン人工知能(AI)は、Open Radio Access Network(O-RAN)におけるその応用はまだ初期段階にあるが、この問題に対処するための鍵となる。 提案手法の可能性を実証し,93%の精度を達成した。 このアプローチは、モバイルネットワークセキュリティにおける重要なギャップを埋めるだけでなく、ネットワークセキュリティ対策の有効性を高めるためのクロスドメインAIの可能性も示している。
  論文  参考訳（メタデータ） (2024-01-17T13:29:47Z)
• Sparsity-Aware Intelligent Massive Random Access Control in Open RAN: A Reinforcement Learning Based Approach [61.74489383629319]
  新たなOpen Radio Access Network(O-RAN)におけるデバイスの大量ランダムアクセスは、アクセス制御と管理に大きな課題をもたらします。 閉ループアクセス制御の強化学習(RL)支援方式を提案する。 深部RL支援SAUDは、連続的かつ高次元の状態と行動空間を持つ複雑な環境を解決するために提案されている。
  論文  参考訳（メタデータ） (2023-03-05T12:25:49Z)
• Intelligence and Learning in O-RAN for Data-driven NextG Cellular Networks [22.260874168813647]
  NextG" セルネットワークはプログラマブルで非集約的なアーキテクチャ上に構築される。 本稿では,O-RANアライアンスによって提案されたNextGの非集合アーキテクチャについて考察する。 これは、O-RAN準拠のソフトウェアコンポーネントとオープンソースのフルスタックの軟弱セルネットワークを統合するための、最初の大規模なデモを提供する。
  論文  参考訳（メタデータ） (2020-12-02T15:12:18Z)

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。