Resumo Técnico: Segurança de Ciclo Fechado Nativa de IA para Sistemas Ciber-Físicos Habilitados para 6G

1. Declaração do Problema

A transição das redes 5G para 6G altera fundamentalmente o cenário de segurança para Sistemas Ciber-Físicos (CPS). No 6G, a lacuna entre uma violação cibernética remota e o dano físico colapsa para milissegundos. Veículos autônomos, redes elétricas inteligentes, robôs industriais e equipamentos de cirurgia remota dependem de fatias (slices) de Comunicação Ultra-Confiável e de Baixa Latência (URLLC), onde um atraso ou queda de pacote pode resultar em ferimentos físicos ou falha de infraestrutura.

Os modelos de segurança legados, que dependem de firewalls de perímetro e Centros de Operações de Segurança (SOC) centralizados, são estruturalmente inadequados para o CPS de 6G devido a quatro lacunas críticas:

1. Lacuna de Volume: Os Node Bs nativos de IA (aNBs) do 6G geram volumes de sinalização e telemetria que os SOCs supervisionados por humanos não conseguem triar em tempo real.
2. Lacuna de Latência: O encaminhamento de tráfego para detectores na nuvem incorre em uma latência de 80–120 ms, excedendo os orçamentos de 1–10 ms das fatias URLLC. No momento em que uma regra da nuvem é disparada, o dano físico já ocorreu.
3. Lacuna de Telemetria: Sistemas de Detecção de Intrusão (IDS) tradicionais inspecionam cabeçalhos de pacotes, mas perdem sinais celulares multimodais de longo alcance (ex: tempestades de anexação NAS, razões de configuração RRC, utilização de GTP-U) visíveis em Registros de Detalhes de Chamadas (CDRs).
4. Lacuna de Fronteira de Confiança: O perímetro do 5G se dissolve no 6G. A Computação de Borda Multi-acesso (MEC) hospeda aplicações de terceiros e o Open RAN introduz fornecedores heterogêneos e xApps dinâmicas, eliminando um "interior" claro para defender.

O problema central é que a segurança no CPS de 6G é inseparável da latência. A questão arquitetural é onde na rede o defensor pode decidir e agir rápido o suficiente para prevenir consequências físicas.

2. Metodologia

Este artigo apresenta um levantamento sistemático de 128 estudos revisados por pares (2017–2026) organizados sob o protocolo PRISMA 2020. Os autores reformulam a segurança de CPS de 6G não como uma coleção de pilares isolados (detecção, mitigação, criptografia), mas como um único pipeline de ciclo fechado nativo de IA.

A metodologia envolve:

• Construção de Taxonomia: Mapeamento da superfície de ameaça do 6G/CPS para o MITRE ATT&CK e um espaço de características observáveis via CDR.
• Análise Unificada: Consolidação de detecção de anomalias na borda e classificação de DDoS através de doze conjuntos de dados, comparando modelos estatísticos, de grafos e de transformadores (transformers).
• Síntese de Arquitetura: Integração de primitivas SDN, NFV e O-RAN em uma única arquitetura de referência.
• Integração de Facilitadores: Tratamento de Aprendizado Federado (FL), Modelos de Linguagem de Grande Escala (LLMs), Gêmeos Digitais (DT), Criptografia Pós-Quântica (PQC), Arquitetura de Zero Trust (ZTA) e IA Explicável (XAI) como serviços transversais que sustentam o ciclo, em vez de paradigmas paralelos.
• Análise de Lacunas: Identificação de cinco desafios abertos consolidados abrangendo dados, latência, confiança, padronização e avaliação.

3. Contribuições Principais

A. A Arquitetura de Referência de Ciclo Fechado

O artigo propõe um pipeline de quatro estágios realizado através de quatro planos funcionais:

1. Sentir (Sense): Coleta de telemetria rica da borda, principalmente Registros de Detalhes de Chamadas (CDRs) e sinais RAN/O-RAN (E2 KPM, NWDAF), no nível da Computação de Borda Multi-acesso (MEC). Os CDRs são destacados como um sinal de segurança de primeira classe para anomalias volumétricas e comportamentais, apesar de sua agregação em escala de minutos.
2. Detectar (Detect): Execução de modelos profundos comprimidos e com limite de latência (ex: CNNs quantizadas, LSTMs) localmente no MEC para alcançar inferência de dígito único de milissegundos. O sistema distingue entre fluxos benignos, anômalos e classes de ataque específicas (classificação multiclasse) para permitir mitigação consciente do tipo.
3. Mitigar (Mitigate): Execução de ações em toda a rede via atuadores compostíveis: SDN (regras de fluxo), NFV (scrubbing elástico) e O-RAN xApps (modificação de peso de escalonador, supressão de UE). O orquestrador seleciona playbooks baseados na classe de técnica MITRE detectada e no orçamento de segurança da fatia específica.
4. Aprender (Learn): Refinamento contínuo do modelo via Aprendizado Federado (FL) entre operadoras (sem compartilhar CDRs brutos) e replay de Gêmeo Digital (DT) para validação contrafactual e geração de cenários adversários.

B. Contratos de Latência Formalizados

O artigo introduz um contrato de latência por fatia, limitado pela cauda. Diferente de modelos anteriores que focam na latência média, este framework impõe um limite de soma de estágios conservador em um percentil de cauda dependente da fatia (ex: $p99$ para URLLC de segurança crítica).

• Fórmula: $\Delta t_s + \Delta t_d + \Delta t_m \leq \tau_{max} - \Delta t_{ho}$
• Significância: Isso torna a admissibilidade da fatia uma propriedade falsificável. Para uma fatia de evasão de colisão V2X com um orçamento de 3 ms, o artigo demonstra que um detector quantizado (0,6 ms) + mitigação via O-RAN xApp (1,2 ms) + hand-off (0,1 ms) cabe dentro do orçamento, enquanto uma mitigação tradicional apenas via SDN (50 ms) falharia.

C. Benchmarking e Métricas Unificadas

O levantamento consolida o desempenho de detecção em uma visão de implantação, distinguindo entre benchmarks públicos (que frequentemente mostram >99% de precisão) e dados reais de CDR de operadoras (tipicamente 91–98%). Crucialmente, introduz métricas de impacto em CPS (ex: avisos de perigo perdidos, disparos de relés não programados) como o critério de avaliação final, indo além dos scores padrão de acurácia/F1.

D. Facilitadores Transversais

• Aprendizado Federado (FL): Permite o treinamento entre operadoras em dados de CDR não-IID preservando a privacidade e lidando com resiliência bizantina.
• LLMs: Posicionados estritamente para funções de "explicar e consultar" (geração de relatórios de SOC, sumarização de telemetria), devido aos riscos de latência e alucinação, e não para controle em tempo real.
• Gêmeos Digitais (DT): Servem como a "bancada de trabalho contrafactual" para validação pré-implantação e geração de rótulos de dano de impacto em CPS.
• Substratos: PQC, ZTA e XAI são tratados como componentes de orçamento de latência compartilhados que devem ser codisenhados para caber no envelope de sub-milissegundos.

4. Resultados e Evidências

O levantamento sintetiza evidências de 128 estudos para apoiar a viabilidade do ciclo fechado:

• Detecção: CNNs leves e autoencoders LSTM implantados em hardware MEC comum (SoCs ARM) alcançam inferência abaixo de 10 ms com precisão comparável a modelos de nuvem (91–98% em dados reais de CDR).
• Mitigação: O-RAN xApps demonstraram latência de mitigação de sub-segundo (10–100 ms) em testbeds de acesso aéreo, capazes de suprimir tempestades de sinalização antes da sobrecarga do gNB.
• Integração: Embora componentes individuais (detecção, mitigação, FL) tenham sido demonstrados isoladamente, o artigo observa que a composição desses elementos em um único ciclo de ponta a ponta com métricas de impacto em CPS verificadas é a fronteira atual.
• Viabilidade de Latência: Um exemplo prático para uma fatia V2X mostra que com verificação PQC (0,1 ms), busca de política ZTA (0,3 ms) e inferência de xApp (0,5 ms), o overhead total cabe dentro de um envelope URLLC de 1 ms, desde que a detecção e a atuação sejam otimizadas.

5. Significância e Alegações

O artigo alega que sua principal significância reside em reformatar a segurança de CPS de 6G de um conjunto de tecnologias díspares para um sistema de controle de ciclo fechado falsificável.

• De Pilares para Pipeline: Argumenta que levantamentos anteriores tratam detecção e mitigação como capítulos separados. Este trabalho os une em um único pipeline onde o estágio de "Aprender" refina continuamente os estágios de "Sentir" e "Detectar", e o estágio de "Mitigar" fornece feedback ao detector.
• De Qualitativo para Falsificável: Ao definir um contrato de latência limitado pela cauda, o artigo move a segurança de uma aspiração qualitativa para uma propriedade quantificável e admissível por fatia.
• De Acurácia para Impacto: Desloca a métrica de avaliação da acurácia de detecção para a redução de dano de impacto em CPS, argumentando que uma mitigação que bloqueia tráfego legítimo (Taxa de Bloqueio Falso) é catastrófica para fatias de segurança crítica.
• Roteiro de Padronização: O artigo identifica cinco desafios específicos de seção transversal (C1–C5) e os mapeia para um cronograma de padronização 2025–2030 (3GPP Rel-21, Lei de IA da UE), chamando por consórcios de operadoras-academia-fornecedores para lançar benchmarks nativos de 6G com rótulos de impacto em CPS.

Os autores concluem que, embora os componentes individuais (IA comprimida, controle O-RAN, FL) sejam maduros o suficiente para suportar a arquitetura, a padronização de APIs, a criação de benchmarks honestos e a governança de FL entre operadoras permanecem como as barreiras críticas para a implantação em produção. O levantamento serve como um vocabulário arquitetônico compartilhado para equipes interdisciplinares abordarem essas lacunas.