[논문 리뷰] Intelligent Zero Trust Architecture for 5G/6G Tactical Networks: Principles, Challenges, and the Role of Machine Learning.

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

Software-Defined Networks and 5G참고 문헌 10인용 수 10

한 줄 요약

이 논문은 5G/6G 전술망을 위한 지능형 제로 트러스트 아키텍처(i-ZTA)를 제안하며, 실시간 모니터링, 동적 위험 평가, AI 기반 액세스 결정을 통한 MED 신뢰 알고리즘을 통합한다. SDN, SBA, O-RAN, MEC를 활용하여, 신뢰할 수 없는 다중 RAT 환경에서 확장성 있고 저지연의 신뢰 강제 기능을 제공하는 유연한 보안을 실현한다.

ABSTRACT

In this position paper, we discuss the critical need for integrating zero trust (ZT) principles into next-generation communication networks (5G/6G) for both tactical and commercial applications. 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 in multi-radio access technology (RAT) has broadened the attack surface on information infrastructure. Network assurance in a dynamic untrusted environment calls for revolutionary architectures beyond existing static security frameworks. This paper presents the architectural 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. 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. The i-ZTA is also expected to exploit the multi-access edge computing (MEC) technology of 5G as a key enabler of intelligent MED components for resource-constraint devices.

연구 동기 및 목표

• 신뢰할 수 없는 구성 요소와 동적, 다중 RAT 연결성으로 인해 증가하는 5G/6G 전술망의 보안 도전 과제를 해결한다.
• 매우 동적인 가상화 및 분산 네트워크 환경에서 정적 보안 모델의 한계를 극복한다.
• 기계학습을 제로 트러스트 원칙과 융합하여 실시간 위험 평가 및 액세스 제어를 위한 확장성 있고 적응 가능한 보안 프레임워크를 개발한다.
• 엣지 지능과 개방형 인터페이스를 활용하여 자원 제약이 있는 장치가 신뢰할 수 없는 네트워크 인fra에서 안전하고 원활한 연결을 확보한다.
• 서비스 기반이고 확장 가능한 아키텍처 프레임워크를 통해 차세대 네트워크에서 AI 기반 신뢰 관리의 기반을 마련한다.

제안 방법

• 모듈화되고 확장 가능한 보안 기능을 지원하기 위해 3GPP 호환 서비스 기반 아키텍처(SBA) 기반의 i-ZTA를 설계한다.
• 기계학습 모델을 위한 실시간 데이터 수집을 가능하게 하기 위해 개방형 무선 접근 네트워크(O-RAN) 인터페이스를 통합한다.
• 자산 보안 상태의 지속적 모니터링 기반으로 액세스 요청을 평가하는 동적 신뢰 알고리즘(MED 구성 요소)을 구현한다.
• 네트워크 엣지에서 신뢰 평가를 위한 경량이고 저지연의 AI 추론 엔진을 구현하기 위해 다중접근 엣지 컴퓨팅(MEC)을 활용한다.
• 중앙 집중식 정책 강제 및 신뢰 결정의 동적 재구성 가능성을 제공하기 위해 소프트웨어 정의 네트워킹(SDN)을 활용한다.
• 네트워크 자산으로부터 실시간으로 텔레메트리 데이터를 수집하고 처리하여, MED 신뢰 엔진에 피드백을 제공함으로써 적응형 인증 결정을 지원한다.

실험 결과

연구 질문

• RQ1 어떻게 제로 트러스트 원칙을 5G/6G 전술망의 동적이고 신뢰할 수 없으며 다중 RAT 환경에 효과적으로 적용할 수 있는가?
• RQ2 5G/6G 네트워크에서 네트워크 자산의 실시간 모니터링 및 지속적 위험 평가를 가능하게 하기 위해 필요한 아키텍처 구성 요소는 무엇인가?
• RQ3 기계학습 모델을 어떻게 신뢰 결정 파이프라인에 통합하여 자원 제약이 있는 환경에서 적응형 액세스 제어를 지원할 수 있는가?
• RQ4 MEC와 O-RAN은 차세대 네트워크에서 확장성 있고 저지연의 신뢰 강제 기능을 어떻게 실현하는가?
• RQ5 서비스 기반 아키텍처(SBA)는 어떻게 확장되어 보안성, 조립 가능성, 확장 가능한 제로 트러스트 보안 기능을 지원할 수 있는가?

주요 결과

• i-ZTA는 네트워크 자산 보안 상태에 대한 지속적이고 실시간 모니터링을 가능하게 하여 변화하는 위협에 동적으로 대응할 수 있다.
• MED 신뢰 알고리즘은 맥락 기반 위험에 기반하여 개별 액세스 요청을 평가하는 확장 가능한 메커니즘을 제공하여 액세스 제어 정밀도를 향상시킨다.
• MEC와의 통합을 통해 네트워크 엣지에 경량 AI 모델을 배치함으로써 지연을 감소시키고 제약이 있는 장치의 신뢰 결정을 지원한다.
• O-RAN 기반 인터페이스는 기계학습 구성 요소의 훈련 및 운영을 위한 표준화된 실시간 데이터 교환을 보장하여 핵심 요소가 된다.
• SBA 기반 설계는 모듈화되고 조립 가능한 보안 기능을 지원하여 이질적인 5G/6G 환경에서의 상호운용성과 확장성을 향상시킨다.
• 아키텍처는 다중 무선 접근 기술 간 원활한 운영을 지원하여 다중 RAT 배포로 인한 확장된 공격 표면을 완화한다.