L’innovation en matière de cyberdéfense pourrait renforcer considérablement la sécurité du réseau 5G

Un cadre pour renforcer la sécurité des communications sans fil 5G a été créé par un doctorant. étudiant travaillant avec le centre d'intelligence artificielle et de données de l'Université de Portsmouth.

Grâce à sa plus grande capacité de réseau et à sa capacité à transmettre rapidement d’énormes quantités d’informations d’un appareil à un autre, la 5G est un composant essentiel des systèmes et services intelligents, notamment ceux destinés aux soins de santé et aux services financiers.

Cependant, la nature dynamique des réseaux 5G, les volumes élevés de données partagées et les types d’informations transmis en constante évolution signifient que ces réseaux sont extrêmement vulnérables aux cybermenaces et aux risques croissants d’attaque.

Hadiseh Rezaei, titulaire d'un doctorat. étudiant à l'Université de Portsmouth avec une formation en réseaux informatiques et en génie logiciel, a réfléchi à cette question et mené des recherches expérimentales aboutissant au développement d'un cadre qui pourrait conduire à de meilleures garanties autour des informations partagées entre les appareils utilisant les réseaux 5G.

Cette recherche, publiée dans Réseaux informatiquespropose un nouveau framework, nommé FedLLMGuard, qui combine deux technologies : de grands modèles de langage qui comprennent le langage et les modèles ; et l'apprentissage fédéré, qui est un système qui apprend à partir de nombreuses sources différentes sans que personne n'ait à partager d'informations privées.

Ensemble, ils créent un système unique qui détecte avec précision et rapidité les anomalies dans les réseaux 5G et protège en toute sécurité la confidentialité des données en temps réel.

Le co-auteur Rahim Taheri, maître de conférences en informatique à la School of Computing de l'Université de Portsmouth, a expliqué : « La majorité des systèmes de détection d'intrusion 5G s'appuient encore fortement sur les caractéristiques numériques des données TV, limitant leur capacité à capturer le libellé, la logique ou les nuances contextuelles.

« Les grands modèles linguistiques sont un peu comme les éléments constitutifs de la lecture des données. Ils sont formés sur d'immenses quantités de données, ce qui les rend capables de comprendre le langage et le contexte, mais ils sont encore très sous-utilisés dans la sécurité des réseaux. Alors que l'apprentissage fédéré est un moyen de former des modèles d'IA sans que les humains ne consultent les données privées, offrant un moyen de débloquer des informations qui peuvent être introduites dans de nouvelles applications d'IA. »

Hadiseh a ajouté : « Les systèmes de détection d'intrusion conventionnels s'appuient souvent sur des règles fixes ou des modèles d'apprentissage automatique statiques. Par ailleurs, ces approches ont du mal à gérer la nature en constante évolution du trafic 5G et ne sont pas efficaces contre les attaques nouvelles ou sophistiquées. Cependant, FedLLMGuard s'adapte de manière dynamique pour se protéger contre les nouvelles menaces à mesure qu'elles émergent.

« Grâce à nos expériences, nous avons démontré qu'en associant l'apprentissage fédéré à de grands modèles linguistiques, la sécurité de la 5G peut être améliorée avec précision et rapidité. Considérez-la comme un agent de sécurité ultra-intelligent pour Internet qui ne se fatigue jamais, apprend de chaque nouvelle astuce tentée par les pirates informatiques et protège en même temps les informations privées de chacun. »

Pour prouver à quel point FedLLMGuard est robuste et fiable, les chercheurs l'ont testé contre diverses menaces de cybersécurité. Le cadre a réussi à se défendre contre les tentatives de manipulation contradictoires, les cyberattaques à grande échelle, les attaques furtives conçues pour passer outre les systèmes de sécurité sans être détectées et les attaques d'empoisonnement des données qui tentent de corrompre le processus de formation de l'IA.

FedLLMGuard a surpassé tous les modèles, atteignant une précision de 98,64 % dans la reconnaissance d'une menace pour la sécurité, à une vitesse inférieure à 0,02 seconde (0,0113 s). Les résultats ont démontré la capacité de FedLLMGuard à détecter rapidement les menaces, à atténuer efficacement les attaques et à maintenir une grande précision tout en garantissant la confidentialité des données, ce qui en fait une solution de sécurité évolutive et économe en ressources pour les réseaux 5G.

Reconnaissant que l'intelligence artificielle (IA) et la science des données progressent rapidement dans les domaines de la recherche et de l'innovation, l'Université de Portsmouth a officiellement lancé le Portsmouth AI and Data Science (PAIDS) Center en juin 2025.

Au cœur du PAIDS Center se trouve le développement de modèles informatiques, de méthodes et d'algorithmes pour créer des solutions permettant d'améliorer les systèmes et la fourniture de services dans des domaines tels que la santé et le bien-être, l'éducation, la cybersécurité et le marketing numérique.