[논문 리뷰] Intelligent Zero Trust Architecture for 5G/6G Networks: Principles, Challenges, and the Role of Machine Learning in the context of O-RAN

Keyvan Ramezanpour, Jithin Jagannath|arXiv (Cornell University)|2021. 05. 04.

Software-Defined Networks and 5G인용 수 6

한 줄 요약

이 논문은 AI와 O-RAN을 활용하여 신뢰할 수 없는 환경에서 실시간으로 동적 액세스 제어를 가능하게 하는 지능형 제로 트러스트 아키텍처(i-ZTA)를 제안한다. i-ZTA는 O-RAN 인터페이스를 통해 강화 학습(IPE), 연합 학습(IGP), 그래프 신경망(INSSA), 암호학적 검증(CMFA)을 통합하여 지속적인 신뢰 평가를 구현함으로써 가상화된 네트워크 환경에서 적응형 보안을 달성한다.

ABSTRACT

In this position paper, we discuss the critical need for integrating zero trust (ZT) principles into next-generation communication networks (5G/6G). We highlight the challenges and introduce the concept of an intelligent zero trust architecture (i-ZTA) as a security framework in 5G/6G networks with untrusted components. While network virtualization, software-defined networking (SDN), and service-based architectures (SBA) are key enablers of 5G networks, operating in an untrusted environment has also become a key feature of the networks. Further, seamless connectivity to a high volume of devices has broadened the attack surface on information infrastructure. Network assurance in a dynamic untrusted environment calls for revolutionary architectures beyond existing static security frameworks. To the best of our knowledge, this is the first position paper that presents the architectural concept design of an i-ZTA upon which modern artificial intelligence (AI) algorithms can be developed to provide information security in untrusted networks. We introduce key ZT principles as real-time Monitoring of the security state of network assets, Evaluating the risk of individual access requests, and Deciding on access authorization using a dynamic trust algorithm, called MED components. To ensure ease of integration, the envisioned architecture adopts an SBA-based design, similar to the 3GPP specification of 5G networks, by leveraging the open radio access network (O-RAN) architecture with appropriate real-time engines and network interfaces for collecting necessary machine learning data. Therefore, this work provides novel research directions to design machine learning based components that contribute towards i-ZTA for the future 5G/6G networks.

연구 동기 및 목표

• 신뢰할 수 없는 구성 요소가 포함된 동적 5G/6G 네트워크에서 전통적인 퍼미터 기반 보안의 한계를 해결하기 위해.
• 실시간 네트워크 텔레메트리 기반으로 AI와 함께 지속적이고 실시간적인 신뢰 평가를 가능하게 하는 지능형 제로 트러스트 아키텍처(i-ZTA)를 설계하기 위해.
• O-RAN의 개방형 인터페이스와 MEC 기능을 활용하여 경량이고 확장 가능한 AI 기반 보안 컴포넌트를 구현하기 위해.
• 기계 학습 엔진과 암호학적 검증(CMFA)을 통합하여 종단 간 신뢰 보장을 확보하기 위해.
• 고도로 이질적이고 이동성이 높은 장치를 포함한 차세대 네트워크에서 AI 네이티브 보안의 연구 기반을 마련하기 위해.

제안 방법

• i-ZTA는 3GPP 5G 표준에 부합하는 서비스 기반 아키텍처(SBA)를 채택하여 AI 컴포넌트의 모듈식 배포를 가능하게 한다.
• 지능형 정책 엔진(IPE)은 실시간 신뢰 보증 점수를 기반으로 강화 학습을 활용해 액세스 요청을 동적으로 승인한다.
• 지능형 에이전트 포털(IGP)은 연합 학습을 적용하여 원천 데이터를 중앙 집중화하지 않고도 사용자에 대한 환경 인식 점수(EVA)를 계산한다.
• 지능형 네트워크 보안 상태 분석(INSSA) 엔진은 그래프 신경망(GNN)을 사용해 네트워크 토폴로지와 악성 학습을 모델링하여 이상 탐지한다.
• 암호학적 다기능 인증 엔진(CMFA)은 O1 및 E2 인터페이스를 통해 NCC 파라미터와 암호학적 해시를 사용해 종단 간 신뢰 검증을 수행한다.
• 모든 컴포넌트는 O-RAN의 비실시간 RIC(rApps 등)과 xApps와 통합되며, O1 및 E2 인터페이스를 통해 텔레메트리 수집 및 정책 시행을 수행한다.

실험 결과

연구 질문

• RQ1 대규모 장치 연결과 함께 높은 동적 특성을 지닌 신뢰할 수 없는 5G/6G 네트워크에서 제로 트러스트 원칙을 효과적으로 구현할 수 있는 방법은 무엇인가?
• RQ2 기계 학습은 실시간으로 적응 가능한 액세스 제어 및 위험 평가를 가능하게 하는 데 어떤 역할을 할 수 있는가?
• RQ3 O-RAN의 개방형 인터페이스와 MEC 기능은 어떻게 경량이고 확장 가능한 AI 기반 보안 컴포넌트의 구현을 지원할 수 있는가?
• RQ4 i-ZTA 컴포넌트와 O-RAN 네트워크 기능 간 종단 간 신뢰 검증을 보장하기 위한 메커니즘은 무엇인가?
• RQ5 프라이버시 보존 AI 기법인 연합 학습을 제로 트러스트 프레임워크에 통합하여 네트워크 보안에 활용할 수 있는 방법은 무엇인가?

주요 결과

• i-ZTA는 IPE, IGP, INSSA와 같은 AI 기반 컴포넌트를 활용해 네트워크 자산의 지속적이고 실시간 모니터링 및 동적 신뢰 평가를 가능하게 한다.
• IPE 컴포넌트 내 강화 학습은 실시간 네트워크 텔레메트리 기반으로 신뢰 보증 점수를 최대화함으로써 액세스 승인을 동적으로 최적화한다.
• IGP 엔진 내 연합 학습은 원천 장치 또는 위치 데이터를暴露하지 않고도 사용자에게 환경 인식 점수(EVA)를 제공할 수 있다.
• INSSA 엔진 내 그래프 신경망은 네트워크 전역의 신뢰 상태를 모델링하고 RAN 구성 요소 간의 트래픽 흐름 패턴 분석을 통해 이상을 탐지한다.
• CMFA 엔진은 공유 비밀 해시와 다음 홉 체이닝 카운터(NCC)를 사용해 i-ZTA 기능과 O-RAN 구성 요소 간 암호학적 신뢰 검증을 보장한다.
• i-ZTA가 O-RAN의 xApps와 rApps를 O1 및 E2 인터페이스를 통해 통합함으로써 제로 트러스트 보안 서비스의 확장성 있고 모듈화되며 상호운용 가능한 배포가 가능해진다.