一篇新的研究论文提出了一个框架,该框架使用大型语言模型 (LLM) 来识别智能电网中潜在的网络物理攻击路径。这种 LLM 引导的方法将系统拓扑与 STRIDE 和 MITRE ATT&CK 等威胁建模框架相结合,并参考了基于物理的冲击排名。在 IEEE 14 母线系统上的评估表明,与地面实况的一致性有了显著提高,关键节点重叠率提高到 100%,路径级别的一致性达到 48%。与现有的基于融合的策略相比,所提出的方法还将运行时间大幅缩短了 75-85%,表明这是一种更有效且考虑影响的电网安全分析方法。 AI
影响 通过提高识别网络物理攻击路径的效率和准确性,增强了关键基础设施的安全分析。
排序理由 研究论文发表在 arXiv 上,详细介绍了一种新方法。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →