跳到正文
arXiv cs.MA· Francesco Spinelli, Esteban Municio, Pau Baguer, Gines Garcia-Aviles, Xavier Costa-Perez·· 9 小时前AI 评分24

DAST:面向 O-RAN 跨接口异常检测的 VLM-LLM 框架

DAST: A VLM-LLM Framework for Cross-Interface Anomaly Detection in O-RAN

AI 导读

DAST 是一个零样本多智能体框架,用 VLM→LLM→VLM 三阶段流水线实现 O-RAN 跨接口异常检测,将多维 KPI 流转为可视化表示并结合 O-RAN 领域知识校验。

正文 · AI 翻译

查看 PDF HTML(实验性)

摘要:O-RAN 支持解耦的基带协议栈,其可编程功能通过标准化开放接口进行通信。这种开放性在支持多厂商组合的同时,也扩大了由逻辑解耦的各层所构成的计算连续体的攻击面。在这些威胁中,拒绝服务攻击和性能降级攻击占已编目 O-RAN 威胁的大多数,且尤其难以检测。传统的时间序列异常检测(TSAD)方法在这一新场景下失效:带标签的基线稀缺,威胁演化速度快于检测器的重新训练速度,高维多变量遥测数据使单体推理模型不堪重负。为应对这些挑战,我们提出 DAST,一个用于 O-RAN 跨接口异常检测的零样本多智能体框架,它串联起 VLM $\rightarrow$ LLM $\rightarrow$ VLM 的三阶段流水线。DAST 将多变量 KPI 流转换为可视化表示,依据 O-RAN 领域知识对逐接口的文本描述进行评分,并在高分辨率热力图上验证可疑对象,从而输出存在问题的接口、异常时间区间、符合 O-RAN WG11 的指示性运行影响评级以及决策依据。我们在具有代表性的性能降级场景下,于 O-RAN 测试床上采集的真实网络轨迹上评估 DAST,取得 0.910 的 F1-Score 和 0.843 的 Accuracy,优于最先进的 TSAD 基线。
评论: 7 页,5 幅图。本工作已提交至 IEEE,可能发表
主题: 网络与互联网架构 (cs.NI);人工智能 (cs.AI);新兴技术 (cs.ET);多智能体系统 (cs.MA)
引用为: arXiv:2606.06261 [cs.NI]
  (或本版本使用 arXiv:2606.06261v2 [cs.NI])
  https://doi.org/10.48550/arXiv.2606.06261

由 DataCite 颁发的 arXiv DOI

提交历史

来自:Francesco Spinelli [查看电子邮件]
[v1] 2026 年 6 月 4 日星期四 15:05:04 UTC(1,176 KB)
[v2] 2026 年 11 月 19 日星期四 09:13:35 UTC(865 KB)

来源:arXiv cs.MA · arxiv.org