Assessing Security in the Multi-Stakeholder Premise of 5G: A Survey and an Adapted Security Metrics Approach
Notice bibliographique
Résumé
The fifth-generation (5G) mobile telecom network has been a focal point of research amongst the community in recent times. Features and characteristics like dynamicity (which enables the dynamic allocation of resources to stakeholders on a need basis), low latency, higher network capabilities etc., makes 5G attractive to telecom operators. But as is the case with any new technology, new threats have emerged and made their way into the ecosystem. Therefore, we have a need to evaluate these threats and evaluate the state of security of 5G deployments. Security metrics provide a pathway to quantitatively measure the security posture of an environment by taking these new threats into account. Existing literature contains a plethora of security metrics proposals designed for different system setups. We need to analyze if and how existing security metrics can be applied to a 5G environment. As such, this thesis aims to do a state-of-the-art survey to explore the diverse set of security metrics in literature, understand the process of deriving security metrics. We then employ this knowledge to investigate the factors that hinder the usage of existing security metrics in a 5G environment, identify solutions from existing academic proposals on how to address those factors, propose an adapted security metrics approach to address the multi-ownership nature of 5G and discuss the design and analysis of Argus-5, a tool designed to verify the feasibility of the adapted security metrics approach and simulate various scenarios.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».