TLS Performance Evaluation in the Control Plane of a 5G Core Network Slice
Notice bibliographique
Résumé
3GPP has recommended 5G service providers adopt Transport Layer Security (TLS) to secure communications among different Network Functions (NFs) in 5G core network slice.It is imperative to study the impact of TLS on 5G control plane traffic.Previous research has shown that TLS adds costs to protocols, like Session Independent Protocol (SIP) and The Onion Router (ToR).This study aims to study different TLS cipher suites impact on network performance parameters such as packet size, time, and the number of messages sent in distinct 5G control flows.We emulated a 5G core network slice using an open-source project and measured the overhead on the network parameters while 5G slice components transmit control plane traffic on both cases of TLS and no TLS.We examined the impact of different cipher suites of TLS namely, AES128-GCM-SHA256, AES256-GCM-SHA384, and 3DES-EDE-CBC-SHA with key exchange algorithms of RSA (Public Key Encryption) and Elliptic Curve Diffie Hellman Ephemeral (ECDHE) on the NF registration with Network Repository Function (NRF), UE registration, and PDU session establishment.We extended the analysis to TLS1.2 and TLS1.3 overhead using the same cipher suite (AES128-GCM-SHA256) on the NF registration procedure.Throughout my thesis, I have received a great deal of support, guidance, and help.Initially, I would like to thank my supervisor, Professor Ashraf Matrawy, whose directives, expertise, and knowledge sharing were imperative and invaluable in formulating the research questions and methodology.He guided me well through each stage of the thesis process.I would like to acknowledge Dr. Danish Sattar
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».