CORA: Teacher-Guided Causal O-RAN Adaptation for Jamming Detection

📄 arXiv: 2611.04330v1 📥 PDF

作者: Sneihil Gopal, Richard A. Rouil

分类: cs.AI, cs.LG

发布日期: 2026-11-03

💡 一句话要点

提出CORA框架以解决无标签干扰检测问题

🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture)

关键词: 干扰检测 强化学习 因果推理 无标签学习 5G网络 关键性能指标 教师指导

📋 核心要点

  1. 现有的回顾性KPI检测器无法在流式操作中使用，且依赖未来上下文，限制了其实用性。
  2. CORA框架通过教师指导的强化学习，将回顾性检测器的经验转移到因果检测器上，解决了无标签训练的问题。
  3. 在十个5G O-RAN配置下，CORA的平均召回率从0.687提升至0.771，且误报率减少61%。

📝 摘要（中文）

在任务关键型网络中，漏报干扰事件的成本高于误报，因此检测器应优先考虑召回率，具备因果操作能力，并且无需标记攻击数据。现有的回顾性关键性能指标（KPI）检测器虽然满足无标签要求，但依赖未来上下文，无法进行流式操作。本文提出CORA，一个教师指导的强化学习框架，能够在训练和部署过程中将回顾性检测器的经验转移到因果检测器上。CORA通过无标签的历史日志定义召回加权奖励，适应因果KPI检测器的灵敏度、持续性和优雅性。在部署阶段，教师被移除，冻结的控制器以因果方式运行，无需真实标签和特定目标的校准。实验结果表明，CORA在十个5G O-RAN测试配置中达到了召回导向的操作点，超越了所有评估的基线。

🔬 方法详解

问题定义：本文旨在解决在任务关键型网络中，漏报干扰事件的成本高于误报的问题。现有的回顾性KPI检测器依赖未来上下文，无法在实时流式操作中有效运行，限制了其实用性。

核心思路：CORA框架通过教师指导的强化学习方法，将回顾性检测器的经验转移到因果检测器上，允许在无标签的情况下进行训练和部署。这种设计使得检测器能够在没有真实标签的情况下，依然能够有效地适应不同的网络环境。

技术框架：CORA的整体架构分为两个主要阶段：离线训练阶段和在线部署阶段。在离线阶段，回顾性KPI检测器评估无标签的历史日志，并定义召回加权奖励；在在线阶段，教师被移除，冻结的控制器以因果方式运行。

关键创新：CORA的主要创新在于其教师指导的强化学习框架，能够在没有标签的情况下进行有效的因果适应。这与现有方法的本质区别在于，现有方法通常依赖于未来上下文和标签数据。

关键设计：CORA使用了召回加权奖励机制来调整因果KPI检测器的灵敏度、持续性和优雅性。具体的参数设置和损失函数设计未在摘要中详细说明，需参考原文以获取更多技术细节。

🖼️ 关键图片

fig_0

📊 实验亮点

CORA在十个5G O-RAN测试配置中，平均召回率从0.687提升至0.771，且在相同条件下，误报率减少61%。这些结果表明CORA在召回导向的操作点上超越了所有评估的基线，展示了其优越的性能。

🎯 应用场景

CORA框架在任务关键型网络中具有广泛的应用潜力，尤其是在需要实时干扰检测的场景，如军事通信、应急响应和关键基础设施保护等领域。其无标签训练的特性使得在缺乏标记数据的情况下，依然能够有效运行，具有重要的实际价值和未来影响。

📄 摘要（原文）

In mission-critical networks, a missed jamming event is costlier than a false alarm, so detectors should favor recall, operate causally, and work without labeled attack data. Retrospective Key Performance Indicator (KPI) detectors meet the label-free requirement but rely on future context and cannot run in streaming operation. We present CORA, a teacher-guided reinforcement learning (RL) framework that transfers the hindsight of a retrospective detector to a causal one without labels during training or deployment. Offline, a retrospective KPI detector evaluated on unlabeled historical logs defines a recall-weighted reward for a masked controller that adapts the sensitivity, persistence, and grace of a causal KPI detector. At deployment, the teacher is removed and the frozen controller acts causally, with no ground-truth labels and no target-specific calibration. The design maps onto offline training in the Non-Real-Time RIC and causal control in the Near-Real-Time RIC of an Open Radio Access Network (O-RAN). Under leave-one-out transfer across ten 5G O-RAN testbed configurations, CORA reaches recall-oriented operating points on the deployable frontier that none of the evaluated baselines covers. A Proximal Policy Optimization (PPO) controller raises mean recall from 0.687 to 0.771 over a fixed default detector on all ten configurations, while a Deep Q-Network (DQN) achieves a comparable F2-score to the best teacher-selected static configuration, with 61% fewer false alarms. Removing the teacher lowers recall on every configuration.