本文研究在5G O-RAN（开放无线接入网）架构下，通过融合分布式单元（DU）的无线遥测数据和集中式单元（CU）的网络流记录进行跨层入侵检测。O-RAN的解耦特性使得这种多模态数据融合成为可能，但现有研究多聚焦单一模态。作者在真实5G O-RAN数据集上，使用10个随机种子、运行不重叠的分割方式，评估了7种不同架构（包括GRU、Transformer等）下融合检测相对于单一模态的性能。实验发现：无线射频特征在ROC-AUC和运行级检测率上普遍优于或至少不逊于网络流特征；融合仅在特定架构下（GRU和Transformer）在1%假阳性率时提升检测率，而对其他5种模型反而降低。融合收益仅局限于两种单一模态检测率均低于0.75的场景。更严重的是，在所有42种配置（架构、模态、窗口时长组合）中，拒绝服务（DoS）攻击被误判为正常流量的比例高达27%至46%，这表明限制来自窗口化统计聚合方法本身而非模型容量。代码已公开。本文结论对O-RAN安全检测系统设计有重要指导意义，指出单纯增加数据源融合未必能提升检测效果，需要针对特定架构和场景谨慎评估。