研究人员开发了ORAN-DEFEND，一个旨在保护开放无线接入网（O-RAN）免受嵌入在第三方深度强化学习（DRL）xApp中的后门攻击的新系统。该防御机制通过将KPI窗口投影到通过可信数据奇异值分解识别出的安全子空间上来运行，而无需重新训练受损的xApp。该系统的有效性取决于后门触发器的能量是否集中在与安全子空间正交的子空间中。在Colosseum COLORAN数据集上的实证结果显示，针对各种DRL后门攻击，该系统实现了100%的返回恢复率和超过99.5%的防御成功率。 AI
影响 这项研究提出了一种针对AI组件在开放无线接入网等关键基础设施中进行供应链攻击的新型防御方法。
排序理由 该项目是一篇研究论文，详细介绍了一种针对特定技术领域的新防御机制。[lever_c_demoted from research: ic=1 ai=1.0]
- BadRL
- Colosseum COLORAN
- deep reinforcement learning
- Mohammad Raihan Uddin
- Open Radio Access Network
- ORAN-DEFEND
- Q-Incept
- singular value decomposition
- SleeperNets
- TrojDRL
- xApps
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
