Deteksi Spoofing GNSS pada Jaringan TDD: Kerangka Kerja Keamanan Berbasis Standar 3GPP

Kerangka kerja deteksi dan pemantauan selaras standar untuk serangan timing GNSS pada jaringan TDD 5G, divalidasi melalui simulasi Monte Carlo

Ravi Kant Sharma; John Owens; Kevin Kiernan· 2026· DOI 10.48550/arXiv.2607.11398

Masalah inti

Jaringan seluler Time Division Duplex (TDD) bergantung pada sinkronisasi yang ketat: 3GPP TS 38.104 mewajibkan akurasi sinkronisasi sebesar \pm 1.5 μ s . Dalam praktiknya, timing ini sebagian besar dipasok oleh jam grandmaster yang didisiplinkan GNSS. Spoofing GNSS telah beralih dari kekhawatiran teoretis menjadi ancaman operasional yang terdokumentasi, yang mampu merusak timing di seluruh base station hilir secara bersamaan. Meskipun ada risiko ini, baik kerangka kerja manajemen 3GPP (SA5) maupun kerangka kerja keamanan (SA3) saat ini tidak menstandarkan mekanisme untuk mendeteksi atau melaporkan serangan semacam itu. Makalah ini menjawab kesenjangan tersebut dengan mengusulkan kerangka kerja deteksi dan pemantauan yang beroperasi sepenuhnya di dalam struktur manajemen 3GPP yang ada, tidak memerlukan antarmuka baru, dan tetap agnostik generasi. Kerangka kerja ini dirancang untuk membedakan spoofing dari kehilangan sinyal, kesalahan peralatan, dan transien pemeliharaan, serta divalidasi melalui analisis skenario dan simulasi Monte Carlo.

Inovasi

Hasil simulasi Monte Carlo menunjukkan bahwa kerangka kerja ini mencapai probabilitas deteksi melebihi 95% untuk laju drift di atas 0.5 ns/s, sambil mempertahankan laju positif palsu di bawah 1% pada kondisi jaringan PTP yang terprovisioning dengan baik. Mekanisme korelasi sadar topologi secara signifikan meningkatkan diskriminasi antara spoofing dan jenis anomali lainnya. Analisis skenario mengonfirmasi bahwa kerangka kerja ini dapat secara andal membedakan spoofing dari kehilangan sinyal, kesalahan peralatan, dan transien pemeliharaan. Kinerja deteksi dirangkum dalam diagram Mermaid berikut, yang menggambarkan alur keputusan: Hasil ini menunjukkan bahwa kerangka kerja ini memenuhi persyaratan ket

Jaringan seluler Time Division Duplex (TDD) bergantung pada sinkronisasi yang ketat: 3GPP TS 38.104 mewajibkan akurasi sinkronisasi sebesar \pm 1.5 μ s . Dalam praktiknya, timing ini sebagian besar dipasok oleh jam grandmaster yang didisiplinkan GNSS. Spoofing GNSS telah beralih dari kekhawatiran teoretis menjadi ancaman operasional yang terdokumentasi, yang mampu merusak timing di seluruh base station hilir secara bersamaan. Meskipun ada risiko ini, baik kerangka kerja manajemen 3GPP (SA5) maupun kerangka kerja keamanan (SA3) saat ini tidak menstandarkan mekanisme untuk mendeteksi atau melaporkan serangan semacam itu. Makalah ini menjawab kesenjangan tersebut dengan mengusulkan kerangka kerja deteksi dan pemantauan yang beroperasi sepenuhnya di dalam struktur manajemen 3GPP yang ada, tidak memerlukan antarmuka baru, dan tetap agnostik generasi. Kerangka kerja ini dirancang untuk membedakan spoofing dari kehilangan sinyal, kesalahan peralatan, dan transien pemeliharaan, serta divalidasi melalui analisis skenario dan simulasi Monte Carlo.

Kerangka kerja yang diusulkan terdiri atas tiga komponen terintegrasi:

Mengapa penting

Kerangka kerja yang diusulkan mengisi kesenjangan kritis dalam standar 3GPP dengan menyediakan pendekatan terstandar dan agnostik generasi untuk deteksi spoofing GNSS. Kekuatan utamanya terletak pada pemanfaatan struktur manajemen dan keamanan yang ada, yang menurunkan hambatan penerapan dan memastikan kompatibilitas di seluruh generasi jaringan saat ini dan mendatang. Mekanisme korelasi sadar topologi sangat efektif karena memanfaatkan hierarki inheren distribusi timing: serangan spoofing pada grandmaster memengaruhi semua gNB-DU hilir, sedangkan kesalahan lokal hanya memengaruhi sebagian. Tanda spasial ini memungkinkan klasifikasi yang andal bahkan ketika metrik node individual bersifat ambigu. Ketergantungan kerangka kerja pada ambang batas laju drift (> 0.5 ns/s) dan kualitas jaringan PTP menyoroti pentingnya backhaul yang terprovisioning dengan baik. Pada jaringan dengan kinerja PTP yang buruk, positif palsu dapat meningkat, sehingga memerlukan ambang batas adaptif. Pekerjaan mendatang dapat mengeksplorasi pembelajaran mesin untuk menyesuaikan ambang batas secara dinamis berdasarkan data historis. Selain itu, integrasi dengan penanganan insiden SECHAND memastikan bahwa peristiwa spoofing yang terdeteksi tidak hanya ditandai tetapi juga memicu respons keamanan yang sesuai, menjembatani kesenjangan antara domain manajemen kesalahan dan keamanan. Secara keseluruhan, kerangka kerja ini menawarkan solusi praktis dan patuh standar untuk ancaman yang berkembang, dengan hasil simulasi yang mengonfirmasi efektivitasnya pada kondisi realistis.

Siapa yang sebaiknya membaca

Praktisi dan peneliti ilmu komputer

Membuka konten member…