.png){kind=icon}
返回
Enhancing Network Slicing Security: Machine Learning, Software-Defined Networking, and Network Functions Virtualization-Driven Strategies
.png){kind=icon}
OA
AI
DOI：10.3390/fi16070226.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
5G网络的快速发展和6G技术的预期已开创一个高度可定制的网络环境时代，这得益于网络切片这一创新概念的推动。该技术允许在相同物理基础设施上创建多个虚拟网络，每个均针对特定服务需求进行优化。尽管具有诸多优势，网络切片引入了显著的安全漏洞，必须加以解决以防范日益复杂的网络威胁的利用。本综述探讨了前沿技术——人工智能（AI），特别是机器学习（ML）、软件定义网络（SDN）和网络功能虚拟化（NFV）——在制定面向网络切片的高级安全解决方案中的应用。分析了AI的预测性威胁检测和自动化响应能力，突显其在维护服务完整性和韧性中的作用。同时，深入考察了SDN和NFV在执行灵活安全策略和动态管理网络功能方面的能力，从而提升安全措施对不断变化网络需求的适应性。通过全面审视现有文献和行业实践，本文识别了安全框架中的关键研究空白，并提出创新性解决方案。我们倡导采用整合ML、SDN和NFV的全面安全策略，以增强网络切片中的数据机密性、完整性和可用性。本文最后指出了未来研究方向，旨在开发能够支持网络切片在下一代网络中安全部署的稳健、可扩展且高效的安全框架。
期刊
暂无期刊信息
机构
暂无机构信息
引用论文
暂无论文信息