每日 Arxiv

本页面整理了世界各地发表的人工智能相关论文。
本页面使用 Google Gemini 汇总而成，并以非盈利为基础运营。
论文版权归作者及相关机构所有，分享时请注明出处。

MobiLLM：用于 6G Open RAN 中闭环威胁缓解的代理 AI 框架

Created by
  • Haebom

作者

Prakhar Sharma、文浩黄、Vinod Yegneswaran、Ashish Gehani、Phillip Porras、林志强

MobiLLM：适用于 6G O-RAN 环境的自主安全框架

大纲

本文介绍了 MobiLLM，这是一个基于代理的人工智能框架，用于在 6G 开放接入无线电 (O-RAN) 环境中实现全自动端到端威胁缓解。MobiLLM 通过基于大型语言模型 (LLM) 的模块化多代理系统协调安全工作流程。该框架包含一个用于实时数据分类的威胁分析代理、一个使用检索增强生成 (RAG) 将异常映射到特定对策的威胁分类代理，以及一个通过 O-RAN 控制接口安全执行缓解措施的威胁响应代理。MobiLLM 构建于可信知识库（例如 MITRE FiGHT 框架和 3GPP 规范）之上，并配备了强大的安全护栏，为可靠的基于人工智能的网络安全提供了蓝图。初步评估表明，MobiLLM 能够有效识别和协调复杂的缓解策略，显著降低响应延迟，并证明了 6G 中自主安全运营的可行性。

Takeaways，Limitations

•
提出一种用于 6G O-RAN 环境中自动缓解威胁的新框架。
•
使用基于 LLM 的多代理系统自动化安全工作流程。
•
利用 RAG 技术提高威胁分类准确性。
•
利用可信的知识库，例如 MITRE FiGHT 框架和 3GPP 规范。
•
展示了减少响应延迟和自主安全操作的能力。
•
目前的O-RAN应用主要集中在网络优化或被动威胁检测，这需要改进。
•
需要在大规模网络环境中进行可扩展性和性能验证。
•
需要进一步研究人工智能系统出现故障或偏差的可能性。
•
需要进一步研究安全护栏的有效性以及如何防止潜在的误用。
👍
Made with Slashpage