O-RAN-Native Jamming Detection Under Network Heterogeneity

arXiv:2610.20816v1 公告类型：新

摘要：射频干扰在对抗环境中威胁蜂窝网络运行。Open Radio Access Network（O-RAN）架构通过 E2 接口暴露每用户设备（UE）的遥测数据，使得无需专有硬件即可实现基于关键绩效指标（KPI）的干扰检测。然而，实际部署要求检测方法能够在异构网络间泛化。我们提出一种统计集成方法（Statistical Ensemble Method，SEM），结合基于自适应中位数绝对偏差（MAD）的基线检测、基于计数的异常检测以及通过加权投票系统实现的突变检测。SEM 以两种模式运行：冷启动模式无需标注数据即可立即部署；监督模式则在标注数据积累过程中通过网格搜索离线精炼参数。我们使用约 25 小时的测试台数据对 SEM 与五个机器学习（ML）分类器和五个深度学习（DL）序列模型进行评估，这些数据包含来自八个异构 5G 环境的日志，并采用单环境和多环境留一法（LOO）验证。我们的分析表明，在训练期间未遇到过的条件下（分布偏移），基于学习的模型往往会损失召回率并漏检干扰事件，而 SEM 即使在冷启动模式下，也能以虚警为代价保持检测能力。此外，SEM 的参数优化可以映射到 O-RAN 的非实时 RIC（Non-RT RIC）上作为 rApp 进行持续精炼，使运营商能够在语料覆盖足够后过渡到基于学习的替代方案。