AutoSec-RAN：规范锚定的O-RAN安全分析LLM框架

2026年10月15日，arXiv Artificial Intelligence 刊出论文《AutoSec-RAN：面向 O-RAN 自动化安全分析的规范锚定 LLM 微调》，作者为 Anoop Mishra、Joshua Moore、Aly Sabri Abdalla、Vuk Marojevic。该论文提出 AutoSec-RAN，一个基于规范的大语言模型框架，用于 O-RAN 测试的自动化安全分诊。据该报道，AutoSec-RAN 通过两个低秩适配（LoRA）阶段微调 Mistral-7B-Instruct，训练语料为 69 份 O-RAN、3GPP 及相邻标准文档，并在推理时选择性地叠加基于同一规范索引的检索增强生成（RAG）。推理阶段模型仅接收调查员式问题与场景元数据块，模拟在没有原始数据包证据条件下工作的自动化分析员。该框架在一套专门搭建的 5G/O-RAN 测试床上，针对带标签的前传分布式拒绝服务重放场景进行验证。报道称该论文已被第 14 届 IEEE 通信与网络安全会议（IEEE CNS 2026）接收。目前尚无后续跟进报道。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。