[논문 리뷰] A Survey on XAI for 5G and Beyond Security: Technical Aspects, Challenges and Research Directions

Thulitha Senevirathna, Vinh Hoa La외 4명|arXiv (Cornell University)|2022. 04. 27.

Privacy-Preserving Technologies in Data참고 문헌 277인용 수 12

한 줄 요약

이 논문은 B5G(Beyond 5G) 및 6G 네트워크 보안에서 책임성과 신뢰성 향상의 핵심 수단으로 설명 가능한 인공지능(XAI)을 제안한다. RAN, 엣지 컴퓨팅, 엣지에서 종단 간 슬라이싱, 제로터치 관리와 같은 핵심 B5G 구성 요소에 XAI를 통합함으로써, AI/ML 기반 보안 시스템에서 투명하고 해석 가능한 의사결정을 가능하게 하여 블랙박스 문제를 해결하고 진화하는 사이버 위협에 대한 내성을 향상시킨다.

ABSTRACT

With the advent of 5G commercialization, the need for more reliable, faster, and intelligent telecommunication systems is envisaged for the next generation beyond 5G (B5G) radio access technologies. Artificial Intelligence (AI) and Machine Learning (ML) are immensely popular in service layer applications and have been proposed as essential enablers in many aspects of 5G and beyond networks, from IoT devices and edge computing to cloud-based infrastructures. However, existing 5G ML-based security surveys tend to emphasize AI/ML model performance and accuracy more than the models' accountability and trustworthiness. In contrast, this paper explores the potential of Explainable AI (XAI) methods, which would allow stakeholders in 5G and beyond to inspect intelligent black-box systems used to secure next-generation networks. The goal of using XAI in the security domain of 5G and beyond is to allow the decision-making processes of ML-based security systems to be transparent and comprehensible to 5G and beyond stakeholders, making the systems accountable for automated actions. In every facet of the forthcoming B5G era, including B5G technologies such as ORAN, zero-touch network management, and end-to-end slicing, this survey emphasizes the role of XAI in them that the general users would ultimately enjoy. Furthermore, we presented the lessons from recent efforts and future research directions on top of the currently conducted projects involving XAI.

연구 동기 및 목표

• B5G 및 6G 네트워크 내 AI/ML 기반 보안 시스템에서의 투명성과 책임성 부족 문제를 해결한다.
• 보안 환경에서 AI 의사결정을 해석 가능하고 설명 가능하게 함으로써 이해관계자 신뢰를 향상시킬 수 있는 XAI의 역할을 분석한다.
• RAN, 엣지, 코어, 종단 간 슬라이싱를 포함한 B5G 레이어에서 XAI가 보안을 향상시키는 데 기여하는 기술적 수단과 사용 사례를 특정한다.
• AI 설명 가능성 통합으로 인해 발생하는 새로운 보안 과제와 표준화된, 안전한 XAI 프레임워크의 필요성을 강조한다.
• 향후 B5G 보안 분야에서 XAI의 표준화 및 구현을 안내하기 위해 진행 중인 프로젝트들로부터의 연구 방향과 교훈을 제공한다.

제안 방법

• 최신 XAI 기법과 B5G 네트워크 아키텍처(예: RAN, 엣지, 코어, 백홀 레이어 포함)에의 통합을 조사한다.
• B5G 환경에서 암호화, 익명화, 가림 기법, 연합 학습과 같은 핵심 보안 메커니즘에서 XAI의 역할을 분석한다.
• 제로터치 네트워크 관리, 네트워크 슬라이싱, IoT 보안과 같은 B5G 사용 사례에 XAI를 매핑하여 설명 가능한 자동화를 보장한다.
• 기존 표준 및 작업 그룹(예: IEEE XAI WG)을 평가하여 B5G 및 6G 보안 분야에서 XAI 표준화의 격차를 파악한다.
• 유럽 및 국제적 협력 프로젝트들(예: SPATIAL, 6Genesis, SNS)의 경험을 종합하여 향후 B5G에서의 XAI 도입에 기여한다.
• ORAN 및 종단 간 슬라이싱와 같은 동적이고 AI 기반의 B5G 서비스에 적합한 XAI의 보안 및 적응 방향을 제안한다.

실험 결과

연구 질문

• RQ1 XAI는 B5G 및 6G 네트워크의 AI/ML 기반 보안 시스템에서 투명성과 책임성을 어떻게 향상시킬 수 있는가?
• RQ2 RAN, 엣지, 코어, 종단 간 슬라이싱와 같은 B5G 네트워크 레이어에 XAI를 적용할 때의 주요 기술적 과제는 무엇인가?
• RQ3 기존 표준 및 SDO(예: 3GPP, IEEE, ETSI)는 B5G 보안 분야에서 XAI를 어떻게 다루며, 여전히 남아 있는 격차는 무엇인가?
• RQ4 AI 기반 B5G 보안 시스템에 XAI 통합이 초래하는 새로운 보안 위험은 무엇인가?
• RQ5 B5G 및 6G 네트워크에서 안전하고 설명 가능하며 신뢰할 수 있는 AI를 확보하기 위해 향후 표준화 및 연구 방향은 무엇이 필요한가?

주요 결과

• XAI는 RAN, 엣지, 코어 네트워크를 포함한 B5G 네트워크 레이어 전반에서 AI/ML 기반 보안 시스템의 신뢰성과 책임성을 향상시키는 데 필수적이다.
• 대부분의 B5G 보안 표준은 AI/ML를 인정하고 있지만, XAI를 명시적으로 다루는 것은 소수에 그쳐 표준화 부문에서 심각한 격차가 있음을 시사한다.
• IEEE XAI 워킹 그룹(표준화를 위한 XAI 표준)은 설명 가능한 인공지능 시스템에 대한 의무적 및 선택적 요구사항을 정의하기 위해 활동 중이다.
• 종단 간 슬라이싱 및 제로터치 관리에 XAI 통합은 투명하고 자동화된 의사결정을 가능하게 하여 운영 내성을 향상시킨다.
• 연합 학습 및 개인정보 보호 기법은 분산된 B5G 환경에서 설명 가능하고 안전한 모델 훈련을 보장하기 위해 XAI와 함께 강화될 수 있다.
• 미래 연구는 XAI 자체의 보안, ORAN 및 코어 네트워크에서의 XAI 표준화, 그리고 동적 6G 서비스 모델에 적합한 XAI 적응을 중심으로 해야 한다.