PulseAugur
中
实时 13:24:59
English(EN) Neuro-Agentic Control: A Deep Learning-based LLM-Powered Agentic AI Framework for Controlling Security Controls

神经代理控制框架使用LLM和TimesFM用于工业安全

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了一种新颖的神经代理控制框架，该框架集成了大型语言模型（LLM）和时间序列基础模型（TimesFM），以增强工业控制系统的安全性。该框架在安全水处理（SWaT）数据集上进行了演示，使用“反事实物理注入”机制在执行前根据物理约束审查LLM提出的操作，从而降低了幻觉的风险。该系统在防止入侵和执行零物理无效操作方面优于传统的LSTM和TCN基线。 AI

影响 该框架通过将LLM的决策与物理现实联系起来，可以显著提高AI在关键基础设施中的安全性与可靠性。

排序理由 介绍新颖AI框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

神经代理控制框架使用LLM和TimesFM用于工业安全

报道来源 [2]

  1. arXiv cs.AI TIER_1 English(EN) · Saroj Gopali, Bipin Chhetri, Deepika Giri, Sima Siami-Namini, Akbar Siami Namin ·

    Neuro-Agentic Control: A Deep Learning-based LLM-Powered Agentic AI Framework for Controlling Security Controls

    arXiv:2607.09076v1 Announce Type: new Abstract: Cyberattacks on operational technology are increasingly causing costly downtime and physical damage, exposing the limitations of traditional rule-based monitoring in industrial IoT environments. While Large Language Models (LLMs) ha…

  2. arXiv cs.AI TIER_1 English(EN) · Akbar Siami Namin ·

    神经代理控制：一种基于深度学习的、由LLM驱动的代理AI框架，用于控制安全控制

    Cyberattacks on operational technology are increasingly causing costly downtime and physical damage, exposing the limitations of traditional rule-based monitoring in industrial IoT environments. While Large Language Models (LLMs) have strong semantic reasoning abilities to assist…

相关实体

相关话题