본 논문은 개방형 무선 접속망(O-RAN) 아키텍처의 보안 강화를 위해 대규모 언어 모델(LLM) 기반 침입 탐지 프레임워크를 제안합니다. O-RAN의 모듈화 및 동적 특성으로 인해 보안 위협이 증가하므로, 연결된 사용자 장비(UE)의 시간적 트래픽 패턴을 기반으로 LLM이 보안 권고를 생성하는 방식을 연구합니다. 실험 배포를 통해 미세 조정된 모델과 미세 조정되지 않은 모델의 성능을 비교 분석하여 LLM 기반 침입 탐지 프레임워크의 효과를 입증합니다. O-RAN의 개방성, 유연성, 지능형 폐쇄 루프 최적화를 강조하며, 지능형 네트워크 슬라이싱과 RAN 지능형 컨트롤러의 역할을 설명합니다.
