Operational Technology
PulseAugur coverage of Operational Technology — every cluster mentioning Operational Technology across labs, papers, and developer communities, ranked by signal.
5 天有情绪数据
-
新型AI模型学习工业系统的自动化入侵响应
研究人员开发了一种自动响应运行技术（OT）系统网络攻击的新方法。OT系统对于监控和控制工业过程至关重要。该方法使用部分可观察马尔可夫决策过程（POMDP）对入侵响应进行建模，并结合基于流量测量的实际部分可观察性。利用基于学习的解决方案，特别是近端策略优化（PPO），创建了有效的响应策略，并在模拟OT系统上进行了测试，成功抵御了各种MITRE攻击。
-
新的“全面封锁”概念旨在实现不可破解的关键基础设施
一种名为“全面封锁”的新安全概念已被引入，旨在为关键基础设施创建不可破解的环境。该方法侧重于加固气隙控制室和飞地，使其免受网络威胁。目标是保护工业控制系统和运营技术网络。
-
人工智能接近利用关键基础设施漏洞的能力
人工智能正接近一种能够利用运营技术（OT）环境中漏洞的能力。这对包括电力、供水和制造业部门的工业控制系统在内的关键基础设施构成了重大的网络安全风险。
-
NeuroGraph框架通过AI图推理增强网络威胁情报
研究人员开发了NeuroGraph，一个新颖的神经符号框架，旨在增强先进制造中的网络威胁情报（CTI）分析。该框架集成了本体感知符号查询生成与知识图谱检索和神经语言生成。它利用双大型语言模型架构，将自然语言问题转化为可执行的Cypher查询，然后严格根据检索到的图谱证据生成答案，旨在减少幻觉并提高推理准确性。
-
新的LEMMA-RCA数据集旨在推进复杂系统的根因分析
研究人员推出LEMMA-RCA，这是一个大规模、开源的数据集，旨在推进复杂系统的根因分析（RCA）。该数据集涵盖了信息技术（IT）和运营技术（OT）领域的各种故障场景，包括微服务、供水和水处理系统。LEMMA-RCA旨在通过提供一个通用平台来测试不同环境下的各种模型，从而促进标准化评估并鼓励开发更强大的RCA技术。
-
人工智能加速网络威胁，要求转向机器速度安全
人工智能正在从根本上改变网络安全格局，它加速了攻击的速度，将范式从人类速度安全转变为机器速度安全。虽然人工智能可用于发现漏洞或制造复杂的网络钓鱼尝试，但其更深远的影响在于将网络威胁的时间线从几周压缩到仅仅几分钟。这需要重新评估传统的安全运营模式，这些模式是围绕人类决策和响应时间建立的，并强调在面对快速、人工智能驱动的攻击时，韧性而非仅仅合规性的关键重要性。重点正转向最大限度地减少检测、决策、响应和恢复的延迟，以确保业务连续性。
-
数据中心运营技术安全滞后，AI需求给关键基础设施带来压力
数据中心日益成为关键基础设施，但其运营技术（OT）和网络物理系统（CPS）的安全性却常常被忽视。这些系统，包括电力和冷却系统，容易遭受网络物理攻击，可能导致停机而非传统的数据泄露。随着AI需求的增长，对这些设施的依赖性日益增强，使其运行韧性成为经济和公共安全问题。
-
网络哨兵：2026 年 7 月的 AI 自主性、身份边界和物联网威胁
Securinette 的《网络哨兵》2026 年 7 月刊强调了网络安全格局的关键转变。它强调了人工智能系统日益增长的自主性、围绕身份的安全边界的重新定义，以及对物联网和 OT 环境日益增长的威胁。该报告还涵盖了网络法规的演变、重大漏洞和新兴研究趋势。
-
CISA 警告供水行业注意运营技术安全威胁
美国网络安全和基础设施安全局 (CISA) 已向供水和污水处理系统行业发出警告。CISA 正在观察到针对这些关键基础设施系统内可编程逻辑控制器 (PLC) 的显著活动。该机构敦促这些实体采取保护措施，防范此类威胁。
-
时间序列数据库提升机器人和自动化实时传感器数据处理能力
时间序列数据库正在增强机器人和工业自动化应用的传感器数据实时处理能力。解决工业物联网（IIoT）部署中运营技术（OT）与信息技术（IT）之间的集成挑战，对于有效的基础设施至关重要。
-
人工智能革新网络安全，威胁与防御并升
人工智能正在显著重塑网络安全格局，既是攻击者也是防御者的强大工具。网络犯罪分子正在利用人工智能自动化复杂的网络钓鱼和深度伪造等攻击，大大缩短了利用漏洞所需的时间。反之，安全专业人员则利用人工智能增强威胁检测、自动化事件响应和身份保护。在这一不断演变的人工智能驱动的威胁环境中，保持强大的网络卫生，包括强大的身份管理和快速补丁更新，被视为关键的防御策略。
-
关键基础设施防御需要AI SecOps
关键基础设施日益整合人工智能，将其攻击面扩展到模型、数据和机器学习管道。传统安全措施和仅由人类操作的安全运营中心（SOC）因数据量和AI原生攻击的速度而不堪重负。为应对此挑战，组织必须采用AI SecOps，将持续安全检查嵌入运营管道，并使用AI驱动的工具来匹配对抗性AI的速度和推理能力。