跳到正文
热点事件持续更新

LLM引导电网物理攻击路径识别框架发布

1 篇报道1 个报道来源13 小时前更新

先了解这件事

AI 综述

研究人员Amr Elshazly等提出并验证了一种基于LLM的电网网络物理攻击路径识别框架。该框架结合STRIDE威胁模型与MITRE ATT&CK战术技术知识,利用级联故障推导的影响排名作为物理基础参考,旨在识别智能电网中的潜在攻击路径。 在IEEE 14-bus电力系统上的评估显示,该框架显著提升了分析效率与准确性。Cyber层关键节点重合度从约33%提升至最高100%,同时将运行时间降低了75-85%。具体指标上,节点级相似度达到65%,路径级对齐度达到48%。 研究结果表明,引入LLM引导的攻击路径识别方法具有高效性和物理感知能力。通过结合网络安全知识图谱与电力物理特性,该框架为智能电网的网络安全分析提供了新的自动化解决方案。

AI 根据报道生成 · 12 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月19日
  1. arXiv · AI
    基于 LLM 的智能电网网络物理攻击路径识别框架

    该框架利用 LLM 结合 STRIDE 和 MITRE ATT&CK 识别电网攻击路径,将 cyber 层关键节点重合度@3 从约 33% 提升至最高 100%,并降低 75-85% 的运行时间。 框架在 IEEE 14-bus 系统上评估,节点级相似度达 65%,路径级对齐度达 48%。 结果表明 LLM 引导的攻击路径识别是高效且具备物理感知能力的网络安全分析方法。

本事件热度走势

可比范围当前
7
可比范围峰值
1011月19日 14:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。