オープン無線アクセスネットワーク(O-RAN)における敵対的機械学習脅威解析と修復【JST・京大機械翻訳】

Habler Edan; Bitton Ron; Avraham Dan; Mimran Dudu; Klevansky Eitan; Brodt Oleg; Lehmann Heiko; Elovici Yuval; Shabtai Asaf

プレプリント

J-GLOBAL ID：202202209921816422 整理番号：22P0275253

オープン無線アクセスネットワーク(O-RAN)における敵対的機械学習脅威解析と修復【JST・京大機械翻訳】

Adversarial Machine Learning Threat Analysis and Remediation in Open Radio Access Network (O-RAN)

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (9件)： , , , , , , , ,
資料名：
発行年： 2022年01月16日プレプリントサーバーでの情報更新日： 2023年03月04日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

O-RANは,新しい,オープンで,適応的で,インテリジェントなRANアーキテクチャである。他のドメインにおける人工知能の成功により動機づけられて,O-RANは,トラフィックステアリング,経験予測の質,および異常検出のような多様な使用事例で,ネットワーク資源を自動かつ効率的に管理するために,機械学習(ML)を活用する。残念ながら,MLベースシステムは敵対的機械学習(AML)と呼ばれる攻撃技術に脆弱であることが示されている。この特別な種類の攻撃は,最近の研究および複数のドメインで既に実証されている。本論文では,O-RANのための系統的AML脅威解析を提示する。関連するML使用事例をレビューし,O-RANにおける異なるMLワークフロー展開シナリオを解析した。次に,脅威モデルを定義して,潜在的広告を同定して,それらの敵対的能力を列挙して,それらの主要な目標を分析した。次に,O-RANに関連した様々なAML脅威を調べ,これらの脅威を実現するために実行でき,交通ステアリングモデルに対するAML攻撃を示す多数の攻撃をレビューした。さらに,同定された脅威を緩和するための様々なAML対策を分析し,提案した。最後に,同定されたAMLの脅威と対策に基づいて,O-RANにおける特定のML使用事例に対するAML攻撃のリスク評価を行うための方法論とツールを示した。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , , , 【Automatic Indexing@JST】

人工知能 , データ保護

, , , , ,

前のページに戻る