基于图的数字孪生蓝图：用于保护6G局域网的安全

《IEEE Wireless Communications》：Graph-Based Digital Twin Blueprint for Securing 6G Local Area Networks

6G局域网面临动态设备、低延迟和隐蔽攻击的挑战，本文提出基于数字孪生的图神经网络安全框架，包含异常检测、可解释决策和自愈模块，实验表明检测延迟降低63%，准确率提升25%。

　　

摘要：

第六代（6G）无线技术的兴起预计将通过超低延迟通信、自主网络管理和大规模设备集成来改变本地连接方式。其中，6G局域网（LAN）作为智能家居和工业自动化的关键推动者，能够在网络边缘提供去中心化和智能化的控制。然而，这也带来了严峻的安全挑战。传统的入侵检测方法基于静态规则和签名，在应对动态设备交互、严格的延迟限制以及6G局域网中日益隐蔽的网络攻击方面存在局限性。为克服这些限制，本文提出了一种基于图论的安全框架，该框架采用了专为6G局域网设计的数字孪生（DT）技术。所提出的解决方案整合了三个核心组件：首先，基于图论的异常检测模块利用GraphSAGE和图注意力网络（GAT）对实时网络结构进行建模，以实现高效且上下文感知的威胁识别；其次，基于Shapley加性解释（SHAP）的可解释性模块提供了透明的决策机制，并引入了基于置信度的处理方式，以便自主或协作地处理检测到的威胁；最后，自修复模块能够动态应用缓解措施，实现快速、自适应且可解释的响应，同时在需要时允许人工干预。通过在6G局域网测试平台和外部数据集上的广泛实验验证了该框架的有效性。结果表明，与传统方法相比，我们的解决方案可将端到端检测延迟降低多达63%，缓解响应时间缩短55%，处理开销减少20%，同时检测准确率提高25%。这些结果凸显了使用数字孪生技术实现实时且可解释的6G局域网安全的实际优势。我们的方案提供了一种可扩展且可在本地部署的解决方案，满足了性能和……

显示更多

引言

第六代（6G）无线网络的愿景正在重塑连接体验，承诺提供超低延迟、大规模设备密度和智能网络操作。尽管6G系统仍在积极开发中，但诸如6G局域网（LAN）等新兴概念旨在为智能家居和工业环境提供快速、可靠且自主的通信[1]。这些网络通过支持本地控制和决策将智能能力推向网络边缘。为了支持此类操作，未来的6G局域网预计将利用人工智能（AI）进行自适应资源管理、自动化决策以及通过自优化、自配置和自修复等“自X”能力来实现韧性。然而，这些优势也带来了新的安全风险。随着连接设备数量的增加、严格的延迟要求以及去中心化控制的普及，新的攻击面将会出现，因此需要能够实时响应并适应不断演变威胁的安全解决方案[2]。