Security and privacy for 6G: A survey on prospective technologies and challenges abstract。

解决的问题

本综述系统描述了6G技术在物理、链接和服务方面有关安全和隐私的问题，并且还描述了现有安全框架和最新技术的失败教训。
两个主要经验是：

  • 6G存在新的攻击向量，特别是6G无线技术
  • 物理层安全、人工智能安全等新技术是缓解攻击的重要手段

Architecture

arch

AI’s Impact on 6G Security

AI as guardian： AI for enhancing 6G security

结合 AI 可以提高传统的安全方法的有效性和处理复杂攻击的能力，同时 AI 也作为一项受欢迎的技术被应用到了提升系统性能的地方，包括但不限于下列领域：

  • 在维护信任网络中识别节点行为检测内部攻击者
  • 预测网络攻击并且重定向流量，对网络变更做智能推荐和分离可疑服务
  • 优化无线与计算控制策略
  • 决定设备恢复优先级
  • 审查流量/网络访问预测攻击事件，过滤恶意流量

当然，应用 AI 也存在着各种挑战，例如：

  • AI 成为攻击者目标，其脆弱性导致系统被破坏
  • AI 算力需求与实时性问题
  • AI 道德问题
  • AI 可能成为攻击者的武器的问题

ai-solution

AI as a target: Security attacks against 6G AI-empowered engines and defense appproaches

AI 很容易成为攻击者的目标， 下图展示了 AI-based 系统面临的主要攻击：

  • data poisoning
  • algorithm poisoning
  • model poisoning

main_attack

基本而言为了保护 AI-based 系统，主要有三种方法：

  • 提升数据质量，enhance data quality
  • 模型保护，model protection
  • 输出完整性恢复，output integrity restoration

AI as a weapon: Ethical AI/Superintelligent AI/AI Regulation

AI 可以被用作攻击武器已经成为大家的共识，攻击者可以利用 AI 系统攻击防御系统。
FusionRipper可以公婆多传感器融合设计，并提出两个针对自动驾驶汽车的攻击， off-load and wrong-wau attack，FusionRipper包括两个部分：

  • 预测易受攻击的时间段
  • 基于漏洞分析调度使用指数欺骗来接管漏洞

FusionRipper给我们的启示是，攻击者现在可以利用 AI 技术发起更加复杂的攻击。

IBM 开发的 DeepLocker 可以通过正常应用来隐藏恶意软件等等。

Summary of lessons learned from AI’s impact on 6G security

AI 可以帮助提升现有技术的两个方面：

  • 系统检测性能，物理层通道状态评估的准确性、物理层认证
  • 自动化，自动学习异常行为

总的来说，可以从 AI 对 6G 的影响中学习到 3 个重要的经验教训：

  • AI 并不是解决 6G 安全问题的万金油，有优点，也有其自身缺陷
  • AI 只能检测攻击的发生而不能说明攻击为何发生，也就是说明攻击发生的原理
  • AI 并不总是一个正面角色，也可能引入脆弱性或者被应用为攻击手段