A FedLLMGuard surge como proposta para elevar a proteção do ecossistema 5G, combinando modelos de linguagem de última geração com aprendizado federado para detecção de ataques em tempo quase real e preservação da privacidade dos dados.
Desenvolvido pela Universidade de Portsmouth, o sistema utiliza grandes modelos de linguagem para interpretar padrões, correlações e anomalias que nem sempre aparecem em regras estáticas. O aprendizado é distribuído, com treinamento local e compartilhamento apenas de parâmetros, mantendo os dados nos nós participantes.
Em operação, o mecanismo observa métricas de tráfego e sugere contenções sem interromper serviços, ajudando equipes de campo a lidar com comportamentos furtivos, ataques maciços e tentativas de manipulação de dados, típicos de redes móveis.
Nos testes divulgados, o FedLLMGuard atingiu 98,64% de precisão na identificação de ameaças, com tempo de resposta inferior a 0,02 segundo, um ganho relevante, já que milissegundos podem decidir a continuidade de serviços em redes 5G.
Os operadoras podem integrar a solução a pipelines de monitoramento, melhorando a priorização de incidentes e a automação de respostas. Contudo, como todo projeto acadêmico, ainda há etapas de validação em produção, incluindo pilotos sob diferentes topologias, governança de dados e integração com ferramentas de telemetria e SIEM para adoção em larga escala.
