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

Keyvan Ramezanpour, Jithin Jagannath|arXiv (Cornell University)|May 4, 2021

Software-Defined Networks and 5G参考文献 10被引用 10

一句话总结

本文提出了一种用于5G/6G战术网络的智能零信任架构（i-ZTA），通过MED信任算法实现实时监控、动态风险评估以及基于人工智能的访问决策。该架构利用软件定义网络（SDN）、服务化架构（SBA）、O-RAN和多接入边缘计算（MEC），在不可信、多无线接入技术（multi-RAT）环境中实现可扩展、低延迟的可信机制。

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.

研究动机与目标

• 应对由于不可信组件和动态、多无线接入技术（multi-RAT）连接性导致的5G/6G战术网络日益严峻的安全挑战。
• 克服高度动态、虚拟化和分布式网络环境中静态安全模型的局限性。
• 开发一种可扩展的自适应安全框架，将机器学习与零信任原则相结合，实现实时风险评估和访问控制。
• 通过边缘智能和开放接口，为资源受限设备在不可信网络基础设施中提供安全、无缝的连接。
• 通过基于服务的、可扩展的架构框架，为下一代网络中的AI驱动信任管理奠定基础。

提出的方法

• 基于3GPP兼容的服务化架构（SBA）设计i-ZTA，以支持模块化、可扩展的安全功能。
• 集成开放无线接入网络（O-RAN）接口，实现机器学习模型所需实时数据的采集。
• 实施一种动态信任算法（MED组件），根据对资产安全状态的持续监控来评估访问请求。
• 利用多接入边缘计算（MEC）在网络安全边缘部署轻量级、低延迟的AI推理引擎，用于信任评估。
• 利用软件定义网络（SDN）实现集中式策略强制执行和信任决策的动态重构。
• 实时收集并处理网络资产的遥测数据，为MED信任引擎提供输入，以实现自适应授权决策。

实验结果

研究问题

• RQ1 如何有效将零信任原则适配于5G/6G战术网络中动态、不可信且多无线接入技术（multi-RAT）的环境？
• RQ2 在5G/6G网络中，实现对网络资产的实时监控和持续风险评估，需要哪些架构组件？
• RQ3 如何将机器学习模型集成到信任决策管道中，以支持资源受限环境中的自适应访问控制？
• RQ4 MEC和O-RAN在下一代网络中如何支持可扩展、低延迟的信任强制执行？
• RQ5 如何扩展基于服务的架构（SBA）以支持安全、可组合且可扩展的零信任安全功能？

主要发现

• i-ZTA实现了对网络资产安全状态的持续、实时监控，能够对不断演变的威胁做出动态响应。
• MED信任算法提供了一种可扩展的机制，基于上下文风险评估单个访问请求，提升了访问控制的精确性。
• 与MEC的集成使得轻量级AI模型可部署于网络边缘，降低延迟，并支持对受限设备的信任决策。
• 基于O-RAN的接口实现了标准化的实时数据交换，为信任管道中机器学习组件的训练和运行提供了关键支持。
• 基于SBA的设计支持模块化、可组合的安全功能，增强了异构5G/6G环境中互操作性与可扩展性。
• 该架构支持在多种无线接入技术间无缝运行，有效缓解了多无线接入技术（multi-RAT）部署中攻击面扩大的问题。