通过边缘端基于人工智能的适应性诱饵生成技术实现自我防御的6G网络

《Scientific Reports》：Self-defending 6G networks through AI-driven adaptive decoy generation at the edge

　　

摘要

6G网络的到来意味着它们将提供更高的连接性，但同时也带来了更大的攻击面，这使得传统的安全模型显得力不从心。在本文中，我们提出了一种自适应诱饵生成框架（Adaptive Decoy Generation Framework），该框架能够在网络边缘提供主动、智能且自适应的安全解决方案。该框架包含三个主要智能组件：条件生成对抗网络（Conditional Generative Adversarial Network, cGAN）、基于近端策略优化（Proximal Policy Optimization, PPO）的强化学习（Reinforcement Learning, RL）代理，以及一种对抗性反馈机制，这些组件使系统能够学习并适应新的攻击方式。使用CIC-IoT-2023数据集进行的仿真测试表明，该框架能够提供强大的安全保护，其检测率为97.9%，误报率为1.3%，平均检测延迟为15毫秒。该系统的适应性指数为+5.2%，表明它能够有效抵御智能攻击和学习型攻击，因此比传统安全模型更加安全。该框架为提供智能和自适应的安全解决方案开辟了新的范式，非常适合6G网络的需求。