基于XAI与LLM的可解释异常DDoS检测在AI-RAN中的应用

摘要

下一代无线接入网络（RAN）通过智能控制器引入可编程性、智能化和近实时控制能力，从而增强RAN及更广泛5G/6G基础设施的安全性。本文全面综述了大型语言模型（LLM）辅助的可解释人工智能（XAI）入侵检测系统（IDS）在未来安全RAN环境中的机遇、挑战与研究空白。基于此，我们提出了一种基于LLM的可解释异常检测系统，用于检测分布式拒绝服务（DDoS）攻击。该系统利用从E2节点提取的多变量时间序列关键性能指标（KPMs），在近实时RAN智能控制器（Near-RT RIC）中运行。

技术方案

我们训练了一个基于LSTM的模型，通过分析KPMs来识别恶意用户设备（UE）行为。为提升透明度，采用LIME和SHAP等事后局部可解释性方法对个体预测结果进行解释。此外，利用LLM将技术性解释转换为非专业用户可理解的自然语言洞察。

实验结果

在真实5G网络KPMs上的实验结果表明，我们的框架在实现高检测精度（F1分数>0.96）的同时，能提供可操作且可解释的输出结果。

学科分类

• 密码学与安全（cs.CR）
• 机器学习（cs.LG）

引用信息

arXiv:2507.21193 [cs.CR]
DOI: https://doi.org/10.48550/arXiv.2507.21193

提交历史

• 提交日期：2025年7月27日
• 版本：v1
• 作者：Sotiris Chatzimiltis等三人