5G-SDN向け高度なセキュリティフレームワーク:Affinity Cohesive ClusteringとImproved Chaotic Walrus-Optimized Convolutional LSTM with Deep Dual Info-Varcoderを用いた攻撃検出と緩和
Advanced security framework for 5G-SDN attack detection and mitigation using Affinity Cohesive Clustering and Improved Chaotic Walrus-Optimized Convolutional LSTM with Deep Dual Info-Varcoder
5GとSDNの統合は、処理能力の限界、非効率なリソース配分、頻繁なユーザー移動、IoTデバイスの急増により、新たなセキュリティ課題を生じさせている。本研究では、Affinity Propagated Cohesive Hierarchical Clustering、Deep Dual Stream SpaTemp Info-Varcoder、Dense Convolutional Long Short-Term Memory (CLSTM)、Improved Chaotic Walrus Optimizationを統合したハイブリッド侵入検知フレームワーク「APCHC-DDST-IV-CLSTM-ICWO」を提案する。このフレームワークは、クラスタリングモジュールで攻撃パターンを特定し、デュアルストリームInfo-Varcoderで空間的・時間的特徴を抽出し、Dense CLSTMでネットワークトラフィックのシーケンス依存性を捉え、Improved Chaotic Walrus Optimisationアルゴリズムでモデルパラメータを最適化する。MATLAB SDN Toolboxで生成された5G-SDNデータセットとNS-3ネットワークシミュレータを用いて検証した結果、本モデルは平均精度0.985±0.002、適合率0.984±0.003、F1スコア0.985±0.003という優れた分類性能を示し、ログ損失0.411で未知の攻撃を含む攻撃カテゴリを正確に分離できた。スループットは3218サンプル/秒、検出時間は1.74秒に向上し、5G-SDNネットワークのセキュリティとパフォーマンスを改善する。このフレームワークは、階層的クラスタリング、ディープ特徴学習、シーケンスモデリング、最適化アルゴリズムを組み合わせることで、高い検出精度、効果的な処理、新興サイバー脅威の信頼性の高い特定を提供する。
5G-SDN環境における侵入検知システムの研究提案であり、学術的な性能検証結果(精度0.985、F1 0.985)を示すもので、具体的な商用製品化や市場展開、企業の業績に直結する事象ではない。AIベースのセキュリティ研究の一例であり、投資判断に直接資する発表・調達・製品ローンチは含まれていない。