論文の概要: CLIC: Closed-Loop Intent Consistency for Securing LLM-Driven Control in Open RAN

• arxiv url: http://arxiv.org/abs/2610.40744v1
• Date: Thu, 29 Oct 2026 15:42:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-02 22:05:31.45472
• Title: CLIC: Closed-Loop Intent Consistency for Securing LLM-Driven Control in Open RAN
• Title（参考訳）: CLIC: Open RANにおけるLLM駆動制御のセキュアなクローズドループインテント一貫性
• Abstract要約: 両脅威を緩和するクローズドループインテント一貫性層(CLIC)を提案する。 提案したCLICは,モデル統合認証のための非RT rAppとしてデプロイされる,小さな量子化言語モデルを用いて,形式的整合性スコアを定義する。 実験の結果,提案したCLICは攻撃成功率0.92から0.29に低下し,残りのVPIは0.37から0.04に低下した。
• 参考スコア（独自算出の注目度）: 20.428232612236158
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: With the progressive capabilities of large language models (LLMs), researchers are finding ways to integrate them into the control loops of Open Radio Access Network (O-RAN) to enable slicing and resource management through user intents. However, integration of LLMs in the O-RAN control loop via the RAN Intelligent Controller (RIC) makes the system vulnerable to \textit{runtime prompt injection threats}, which manipulate control decisions without violating interface authentication, and \textit{residual virtual prompt injection (VPI)} attacks that plant trigger mechanisms to silently steer the behaviour during fine-tuning. Existing studies address only the runtime threat and do not enforce consistency across the full control path, i.e. from the certified A1 intent, through the multi-step LLM trajectory, to the final E2 action. We propose a closed-loop intent-consistency layer (CLIC) that jointly mitigates both threats. The proposed CLIC defines a formal consistency score using a small quantized language model, which is deployed as a Non-RT rApp for model-integrity certification along with a Near-RT xApp for runtime enforcement. We implement CLIC on the OpenAI Cellular (OAIC) platform and evaluate it under domain-adapted JailbreakBench, AdvBench, and VPI workloads. The experimental results show that the proposed CLIC reduces the attack success rate from 0.92 to 0.29 and residual VPI attacks from 0.37 to 0.04, while improving isolation and fairness at slightly higher latency costs, i.e. approximately 27 ms.
• Abstract（参考訳）: 大規模言語モデル(LLM)のプログレッシブな機能によって、Open Radio Access Network(O-RAN)の制御ループにそれらを統合して、ユーザ意図によるスライシングとリソース管理を可能にする方法が研究されている。 しかし、RAN Intelligent Controller (RIC) を介してO-RAN制御ループにLLMを統合することで、インターフェース認証に違反することなく制御決定を操作できる \textit{runtime prompt Injection threats} や、微調整中の動作を静かに制御する植物トリガ機構を攻撃する \textit{residual virtual prompt Injection (VPI) に脆弱になる。 既存の研究は実行時の脅威のみに対処し、完全な制御経路、すなわち認定されたA1インテントから多段階のLSM軌道を経て最終的なE2アクションまで、一貫性を強制しない。 両脅威を緩和するクローズドループインテント一貫性層(CLIC)を提案する。 提案したCLICは,Non-RT rAppとしてモデル統合認証用にデプロイされた,小さな量子化された言語モデルと,ランタイム実行時にNear-RT xAppを使用して,正式な一貫性スコアを定義する。 OpenAI Cellular (OAIC)プラットフォーム上でCLICを実装し、ドメイン適応型のJailbreakBench、AdvBench、VPIワークロードで評価します。 実験の結果,提案したCLICでは攻撃成功率が0.92から0.29に低下し,残りのVPI攻撃は0.37から0.04に低下した。

関連論文リスト

• Constrained-Action AI Remediation for SIEM/XDR via a NeMo-Guardrails Proxy [0.0]
  情報技術と運用技術のためのセキュリティオペレーションセンター(SOC)は、インシデント対応の問題を共有している。 大規模言語モデル(LLM)は、警告をトリアージする推論エンジンとして提案され、自律的なデプロイメントでは、IPをブロックする、プロセスを殺す、本番ホスト上のファイルを隔離するコマンドを発行する。 この結合によって、新たなリスクがもたらされる: 単一の敵のアラートは、LLMの推論を通じてリモートコードパスになり、SOCが実行したアクションを推奨する。
  論文  参考訳（メタデータ） (2026-10-07T12:00:51Z)
• LMSM: LLM Security Framework Inspired by Linux Security Modules [56.93644694627783]
  大規模言語モデル(LLM)は階層化されたディフェンスでデプロイされることが多いが、悪意のあるプロンプトはそれらをバイパスすることができる。 我々は,Language Model Security Modules (LMSM) という,Linux Security Modules (LSM) の背後にある分離を LLM サービスに適応させるセキュリティフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-08-26T12:13:05Z)
• IACM-RL: Intent-Aware Context Management and Reinforcement Learning for Complex Tool Invocation under Dynamic Intent Fluctuations [86.93902234336393]
  IACM-RLは、堅牢なツール呼び出しのための包括的なフレームワークである。 我々は、13のきめ細かいゆらぎシナリオにまたがる軌道を合成するDynamicIntentパイプラインを導入する。 第2に、IACM-RLはBeliefStateベースのセルフ生成コンテキストマネージャをデプロイする。
  論文  参考訳（メタデータ） (2026-08-03T12:09:50Z)
• CORA: Conformal Risk-Controlled Agents for Safeguarded Mobile GUI Automation [68.53387633351484]
  有害な行為に対する統計的保証を提供するポスト・ポリティクス・プレアクション保護フレームワークであるCORA(Conformal Risk-control GUI Agent)を提案する。 CORAは、安全を選択的行動実行として再定義する:我々は、提案されたステップごとに行動条件リスクを推定するためにガーディアンモデルを訓練する。 このパラダイムを厳格に評価するために、ステップレベルのハーモラベルを持つモバイル安全違反の新しいベンチマークであるPhone-Harmを紹介する。
  論文  参考訳（メタデータ） (2026-04-10T09:41:21Z)
• LLM Readiness Harness: Evaluation, Observability, and CI Gates for LLM/RAG Applications [51.56484100374058]
  評価をデプロイメント決定ワークフローに変換するLLMおよびRAGアプリケーションのための準備性ハーネスを提案する。 このシステムは、最小限のAPI契約の下で、自動ベンチマーク、OpenTelemetryオブザーバビリティ、CI品質ゲートを組み合わせる。 チケットルーティングとBEIRタスクのハーネスを、完全なAzureマトリックスカバレッジで評価する。
  論文  参考訳（メタデータ） (2026-03-28T18:03:32Z)
• Robust Global-Local Behavior Arbitration via Continuous Command Fusion Under LiDAR Errors [0.0]
  本稿では、2つのコントローラの出力を融合させるROS2ネイティブ仲裁モジュールを提案する。 各制御ステップにおいて、両コントローラはAckermannコマンドを提案し、PPO訓練されたポリシーはコンパクトな特徴観察から連続ゲートを予測する。 本研究は,計画レベルの相互作用推論の代替としてではなく,モジュール型ROS2環境でのコマンドレベルのロバスト性評価を意図している。
  論文  参考訳（メタデータ） (2026-03-28T14:09:55Z)
• Fault-Tolerant Sandboxing for AI Coding Agents: A Transactional Approach to Safe Autonomous Execution [1.3537117504260623]
  本稿では,これらのリスクを軽減するために設計されたフォールトトレラントサンドボックスフレームワークを提案する。 我々は、アトミックトランザクションにおけるエージェントアクションのラップは、許容できるレイテンシで安全性を保証することができると仮定する。 実験により、高リスクコマンドに対する100%のインターセプション率と、ロールバック失敗状態における100%の成功率が示された。
  論文  参考訳（メタデータ） (2025-12-14T19:03:59Z)
• Towards a Multi-Layer Defence Framework for Securing Near-Real-Time Operations in Open RAN [4.240433132593161]
  Open Radio Access Networks (Open RAN)における準リアルタイム(近RT)制御の安全性はますます重要になっている。 システムが運用されている間、新しいランタイム脅威は制御ループをターゲットとします。 本稿では,近RT RAN Intelligent Controller (RIC) 操作のセキュリティ向上を目的とした多層防御フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-12-01T12:13:32Z)
• Adaptive Attacks on Trusted Monitors Subvert AI Control Protocols [80.68060125494645]
  プロトコルとモニタモデルを知っている信頼できないモデルによるアダプティブアタックについて検討する。 我々は、攻撃者がモデル出力に公知またはゼロショットプロンプトインジェクションを埋め込む単純な適応攻撃ベクトルをインスタンス化する。
  論文  参考訳（メタデータ） (2025-10-10T15:12:44Z)
• SAJD: Self-Adaptive Jamming Attack Detection in AI/ML Integrated 5G O-RAN Networks [2.1698490675188213]
  妨害攻撃はネットワーク性能を著しく損なう可能性があり、O-RANネットワークのセキュリティと信頼性に対する顕著な脅威となる。 本稿では,人工知能(AI)/機械学習(ML)統合O-RAN環境におけるジャム攻撃を自律的に検出する,自己適応型ジャムマー検出フレームワークであるSAJDを紹介する。 SAJDフレームワークは,開発したMLベースのxAppを介して,電波妨害のほぼリアルタイムな推測を含む閉ループシステムを形成する。
  論文  参考訳（メタデータ） (2025-10-10T00:09:09Z)
• DRIFT: Dynamic Rule-Based Defense with Injection Isolation for Securing LLM Agents [52.92354372596197]
  大規模言語モデル(LLM)は、強力な推論と計画能力のため、エージェントシステムの中心となってきています。 この相互作用は、外部ソースからの悪意のある入力がエージェントの振る舞いを誤解させる可能性がある、インジェクション攻撃のリスクも引き起こす。 本稿では,信頼に値するエージェントシステムのための動的ルールベースの分離フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-06-13T05:01:09Z)

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。