論文の概要: Cross-Layer Intrusion Detection in 5G O-RAN: Gains and Limits of Fusing Radio Telemetry with Network Flow Records

• arxiv url: http://arxiv.org/abs/2606.22450v1
• Date: Sun, 21 Jun 2026 11:48:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-25 14:54:10.51594
• Title: Cross-Layer Intrusion Detection in 5G O-RAN: Gains and Limits of Fusing Radio Telemetry with Network Flow Records
• Title（参考訳）: 5G O-RANにおけるクロス層侵入検出:ネットワークフロー記録によるラジオテレメトリーの利得と限界
• Authors: Hamed Fard, Ilya Komarov, Gerhard Wunder,
• Abstract要約: オープンRANデアグリゲーションは、DUラジオテレメトリとCU側ネットワークフローレコードのジョイント分析を可能にする。 これら2つのモダリティの融合が7つのアーキテクチャで個別に改善されるかどうかを評価する。
• 参考スコア（独自算出の注目度）: 2.992414059774663
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Open RAN disaggregation enables joint analysis of DU radio telemetry and CU-side network-flow records, motivating cross-layer intrusion detection. We evaluate whether fusing these two modalities improves over each individually across seven architectures, using run-disjoint splits over ten seeds on a live 5G O-RAN dataset. Radio features match or outperform network flows on ROC-AUC and run-level detection rate across all architectures. Fusion yields selective ROC-AUC gains but at a one-percent false-positive operating point improves detection rate only for GRU and Transformer, reducing it for the other five models. The benefit is confined to architectures where both single-modality detection rates fall below 0.75. A DoS-to-Benign confusion of 27 to 46 percent persists across all 42 tested configurations of architecture, modality, and window duration, pointing to a limitation in the tested windowed statistical aggregation rather than in model capacity. Code is publicly available.
• Abstract（参考訳）: オープンRANデアグリゲーションは、DUラジオテレメトリとCU側ネットワークフローレコードのジョイント分析を可能にし、層間侵入検出を動機付ける。 実生の5G O-RANデータセット上で10種以上の種をラン・ディスジョイント分割することにより,これらの2つのモダリティが7つのアーキテクチャで個別に改善されるか否かを評価する。 無線機能は、ROC-AUC上のネットワークフローと、全アーキテクチャにわたる実行レベル検出率に一致またはより優れる。 核融合は選択的ROC-AUCゲインを得るが、偽陽性操作点の1パーセントではGRUとTransformerのみの検出率が向上し、他の5モデルでは減少する。 この利点は、両方の単一モダリティ検出率が0.75未満のアーキテクチャに限られる。 DoS-Benignの27～46%の混乱は、42の試験されたアーキテクチャ、モダリティ、ウィンドウ持続時間の全てに持続し、モデルキャパシティではなく、テストされたウィンドウ統計アグリゲーションの制限を示している。 コードは公開されている。

関連論文リスト

• FreqKD: Frequency-Decoupled Cross-Modal Knowledge Distillation for Infrared Object Detection [2.4089107936585235]
  大規模RGB基礎モデルから知識蒸留(KD)による赤外線画像への移行は依然として困難である。 本稿では,周波数分離蒸留フレームワークであるFreqKDを提案する。 KAISTマルチスペクトル歩行者検出では、FreqKDは64.1 mAP50を達成し、DINOv2ベースラインで2.4ポイント向上した。
  論文  参考訳（メタデータ） (2026-06-10T01:55:55Z)
• Rethinking IoT Intrusion Detection: Augmenting Routing Metrics with Radio Features [0.9176056742068813]
  我々は,標準RPL機能セットにTransmit(TX)とRecee(RX)の無線機能を組み込むことで,LSTMベースのIDSにおける検出性能が向上するかどうかを検討する。 その結果、TXとRXを組み込むことで、ルーティング層のみを使用する場合と比較して、F1スコアでのIDS全体の検出性能が最大4%向上することがわかった。
  論文  参考訳（メタデータ） (2026-06-05T13:56:55Z)
• TransBridge: Boost 3D Object Detection by Scene-Level Completion with Transformer Decoder [66.22997415145467]
  本稿では,スパース領域における検出機能を改善する共同補完・検出フレームワークを提案する。 具体的には,トランスブリッジ(TransBridge)を提案する。トランスブリッジ(TransBridge)はトランスフォーマーをベースとした新しいアップサンプリングブロックである。 その結果,本フレームワークは,各手法の平均精度(mAP)が0.7から1.5の範囲で,エンドツーエンドの3Dオブジェクト検出を一貫して改善していることがわかった。
  論文  参考訳（メタデータ） (2025-12-12T00:08:03Z)
• Source-Free Object Detection with Detection Transformer [59.33653163035064]
  Source-Free Object Detection (SFOD) は、ソースデータにアクセスすることなく、ソースドメインから教師なしのターゲットドメインへの知識転送を可能にする。 ほとんどの既存のSFODアプローチは、より高速なR-CNNのような従来のオブジェクト検出(OD)モデルに限られるか、新しいODアーキテクチャ、特に検出変換器(DETR)に適合しない一般的なソリューションとして設計されている。 本稿では,DTRのクエリ中心の機能強化を特化して設計された新しいSFODフレームワークであるFeature Reweighting ANd Contrastive Learning NetworK(FRANCK)を紹介する。
  論文  参考訳（メタデータ） (2025-10-13T07:35:04Z)
• LLM-Based Emulation of the Radio Resource Control Layer: Towards AI-Native RAN Protocols [28.04609776570199]
  大型AIモデル(LAM)はAI-Native Air Interface(AI-AI)の重要な実現要因である 本稿では,デコーダのみのLAMを用いた無線リソース制御層の最初の標準準拠エミュレーションを提案する。 その結果,LSMをプロトコル対応推論で拡張すると,制御プレーンの手順を直接オーケストレーションできることがわかった。
  論文  参考訳（メタデータ） (2025-05-22T15:55:56Z)
• A Two-Stage CAE-Based Federated Learning Framework for Efficient Jamming Detection in 5G Networks [5.715528540446773]
  妨害攻撃はヘテロジニアスネットワーク(HetNet)アーキテクチャに重大なリスクをもたらす。 本稿では,5Gフェムトセルにおける検出を妨害する分散二段階連成学習(FL)フレームワークを提案する。 我々のフレームワークは、通信ラウンドを30に最小化し、ジャム信号を検出する堅牢な収束を最適クライアント数6で達成しつつ、精度0.94、リコール0.90、F1スコア0.92、精度0.92を達成する。
  論文  参考訳（メタデータ） (2025-01-25T17:57:45Z)
• DT-DDNN: A Physical Layer Security Attack Detector in 5G RF Domain for CAVs [10.215216950059874]
  妨害攻撃は5Gネットワークに重大なリスクをもたらす。 本研究は, CAVネットワークにおけるジャマー検出のための, 深層学習に基づく新しい手法を提案する。 提案手法は, 余剰低妨害電力の96.4%検出率を実現する。
  論文  参考訳（メタデータ） (2024-03-05T04:29:31Z)
• MD-CSDNetwork: Multi-Domain Cross Stitched Network for Deepfake Detection [80.83725644958633]
  現在のディープフェイク生成法では、偽画像やビデオの周波数スペクトルに識別的アーティファクトが残されている。 MD-CSDNetwork(MD-CSDNetwork)と呼ばれる新しい手法を提案する。
  論文  参考訳（メタデータ） (2021-09-15T14:11:53Z)
• Anchor-free Small-scale Multispectral Pedestrian Detection [88.7497134369344]
  適応型単一段アンカーフリーベースアーキテクチャにおける2つのモードの効果的かつ効率的な多重スペクトル融合法を提案する。 我々は,直接的境界ボックス予測ではなく,対象の中心と規模に基づく歩行者表現の学習を目指す。 その結果,小型歩行者の検出における本手法の有効性が示唆された。
  論文  参考訳（メタデータ） (2020-08-19T13:13:01Z)
• Network Adjustment: Channel Search Guided by FLOPs Utilization Ratio [101.84651388520584]
  本稿では,ネットワークの精度をFLOPの関数として考慮した,ネットワーク調整という新しいフレームワークを提案する。 標準画像分類データセットと幅広いベースネットワークの実験は、我々のアプローチの有効性を実証している。
  論文  参考訳（メタデータ） (2020-04-06T15:51:00Z)
• Searching Central Difference Convolutional Networks for Face Anti-Spoofing [68.77468465774267]
  顔認識システムにおいて、顔の反偽造(FAS)が重要な役割を担っている。 最先端のFASメソッドの多くは、スタック化された畳み込みと専門家が設計したネットワークに依存している。 ここでは、中央差分畳み込み(CDC)に基づくフレームレベルの新しいFAS手法を提案する。
  論文  参考訳（メタデータ） (2020-03-09T12:48:37Z)

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。