論文の概要: Trustworthy GenAI over 6G: Integrated Applications and Security Frameworks

• arxiv url: http://arxiv.org/abs/2511.15206v1
• Date: Wed, 19 Nov 2025 07:58:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-20 15:51:28.693797
• Title: Trustworthy GenAI over 6G: Integrated Applications and Security Frameworks
• Title（参考訳）: 6G以上の信頼できるGenAI:統合アプリケーションとセキュリティフレームワーク
• Authors: Bui Duc Son, Trinh Van Chien, Dong In Kim,
• Abstract要約: 生成人工知能(GenAI)を6Gネットワークに統合することで、大幅な性能向上が期待できる。 ドメイン間の脆弱性は、統合センシング通信(ISAC)、統合学習(FL)、デジタル双生児(DT)、拡散モデル(DM)、大型通信モデル(LTM)にまたがる。 我々は,GenAIによるシミュレーションとフィードバックを通じて攻撃と連続的に共進化する適応的進化防衛(AED)の概念を提案する。
• 参考スコア（独自算出の注目度）: 13.648044170579519
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The integration of generative artificial intelligence (GenAI) into 6G networks promises substantial performance gains while simultaneously exposing novel security vulnerabilities rooted in multimodal data processing and autonomous reasoning. This article presents a unified perspective on cross-domain vulnerabilities that arise across integrated sensing and communication (ISAC), federated learning (FL), digital twins (DTs), diffusion models (DMs), and large telecommunication models (LTMs). We highlight emerging adversarial agents such as compromised DTs and LTMs that can manipulate both the physical and cognitive layers of 6G systems. To address these risks, we propose an adaptive evolutionary defense (AED) concept that continuously co-evolves with attacks through GenAI-driven simulation and feedback, combining physical-layer protection, secure learning pipelines, and cognitive-layer resilience. A case study using an LLM-based port prediction model for fluid-antenna systems demonstrates the susceptibility of GenAI modules to adversarial perturbations and the effectiveness of the proposed defense concept. Finally, we summarize open challenges and future research directions toward building trustworthy, quantum-resilient, and adaptive GenAI-enabled 6G networks.
• Abstract（参考訳）: 生成人工知能(GenAI)を6Gネットワークに統合することで、大幅なパフォーマンス向上と、マルチモーダルデータ処理と自律推論に根ざした新たなセキュリティ脆弱性の顕在化を実現している。 本稿では、統合センシング通信(ISAC)、フェデレートラーニング(FL)、デジタルツイン(DT)、拡散モデル(DM)、大型通信モデル(LTM)にまたがるクロスドメイン脆弱性について、統一的な視点を示す。 我々は、6Gシステムの物理層と認知層の両方を操作できる、妥協されたDTやLTMのような新たな敵エージェントを強調した。 これらのリスクに対処するため、我々はGenAIによるシミュレーションとフィードバックによる攻撃と連続的に共進化する適応的進化防衛(AED)の概念を提案し、物理層保護、セキュアな学習パイプライン、認知層レジリエンスを組み合わせた。 流体アンテナシステムに対するLLMを用いたポート予測モデルを用いたケーススタディでは,GenAIモジュールの対向摂動に対する感受性と,提案した防御概念の有効性が示されている。 最後に, 信頼性, 量子レジリエンス, 適応型GenAI対応6Gネットワーク構築に向けたオープンな課題と今後の研究方向性について要約する。

関連論文リスト

• Towards 6G Intelligence: The Role of Generative AI in Future Wireless Networks [3.511369967593153]
  アンビエント・インテリジェンス(AmI)は、物理環境にセンサー、計算、通信を組み込むコンピューティングパラダイムである。 我々は、生成人工知能(GenAI)がそのような環境の創造的な中核であると主張している。 本章では、基礎となるGenAIモデル、GAN、VAE、拡散モデル、生成トランスフォーマーをレビューし、実践的なAmIユースケースに接続する。
  論文  参考訳（メタデータ） (2025-08-27T00:44:47Z)
• Generative AI for Vulnerability Detection in 6G Wireless Networks: Advances, Case Study, and Future Directions [7.991374874432769]
  生成AI(GAI)は、合成データ生成、マルチモーダル推論、適応学習を活用して、セキュリティフレームワークを強化する、トランスフォーメーションソリューションとして登場した。 本稿では、コード監査、プロトコルセキュリティ、クラウド・エッジ・ディフェンス、ハードウェア保護などに焦点を当て、GAIによる脆弱性検出を6G無線ネットワークに統合することを検討する。
  論文  参考訳（メタデータ） (2025-06-25T14:36:31Z)
• 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)
• Computational Safety for Generative AI: A Signal Processing Perspective [65.268245109828]
  計算安全性は、GenAIにおける安全性の定量的評価、定式化、研究を可能にする数学的枠組みである。 ジェイルブレイクによる悪意のあるプロンプトを検出するために, 感度解析と損失景観解析がいかに有効かを示す。 我々は、AIの安全性における信号処理の鍵となる研究課題、機会、そして重要な役割について論じる。
  論文  参考訳（メタデータ） (2025-02-18T02:26:50Z)
• An Approach To Enhance IoT Security In 6G Networks Through Explainable AI [1.9950682531209158]
  6G通信は、特にIoTにおいて、画期的な機能を提供する6Gによって大きく進化した。 IoTを6Gに統合することで、高度なテクノロジによって導入された脆弱性による攻撃面の拡大という、新たなセキュリティ上の課題が提示される。 本研究は、木に基づく機械学習アルゴリズムを用いて複雑なデータセットを管理し、機能の重要性を評価することで、これらの課題に対処する。
  論文  参考訳（メタデータ） (2024-10-04T20:14:25Z)
• Security, Trust and Privacy challenges in AI-driven 6G Networks [2.362412515574206]
  本稿では, 6G ネットワークのインフラの進化について考察し, より非凝集な構造への遷移を強調した。 AI中心のアーキテクチャから生じるネットワーク攻撃の分類を示し、これらの新興脅威を検出または緩和するために設計された技術を探究する。 この論文は、ロバストネットワークの確保において、AIの利用に関連する意味とリスクを調べることで締めくくっている。
  論文  参考訳（メタデータ） (2024-09-16T14:48:20Z)
• Generative AI for Secure Physical Layer Communications: A Survey [80.0638227807621]
  Generative Artificial Intelligence(GAI)は、AIイノベーションの最前線に立ち、多様なコンテンツを生成するための急速な進歩と非並行的な能力を示す。 本稿では,通信ネットワークの物理層におけるセキュリティ向上におけるGAIの様々な応用について,広範な調査を行う。 私たちは、物理的レイヤセキュリティの課題に対処する上で、GAIの役割を掘り下げ、通信の機密性、認証、可用性、レジリエンス、整合性に重点を置いています。
  論文  参考訳（メタデータ） (2024-02-21T06:22:41Z)
• Toward 6G Native-AI Network: Foundation Model based Cloud-Edge-End Collaboration Framework [55.73948386625618]
  データ、AIモデル、運用パラダイムの観点から、6GネイティブAIを達成する上での課題を分析します。 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、専門家の知識の統合方法を提供し、2種類のPFMのカスタマイズを提示し、ネイティブAIフレームワークの新たな運用パラダイムを概説する。
  論文  参考訳（メタデータ） (2023-10-26T15:19:40Z)
• The Feasibility and Inevitability of Stealth Attacks [63.14766152741211]
  我々は、攻撃者が汎用人工知能システムにおける決定を制御できる新しい敵の摂動について研究する。 敵対的なデータ修正とは対照的に、ここで考慮する攻撃メカニズムには、AIシステム自体の変更が含まれる。
  論文  参考訳（メタデータ） (2021-06-26T10:50:07Z)

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。