arXiv cs.AI· Vita Santa Barletta, Danilo Caivano, Gabriel Cellammare, Andrea Dimauro, Pasquale Mesagna, Massimiliano Morga·· 11 小时前AI 评分24
用数字孪生与 LLM 量化网络-社会影响的新框架
A Digital Twin to Improve Cyber-Social Impact
AI 导读
一篇论文提出将数字孪生与 Cyber-Social Security 模型结合，用 Mininet 和 MiniCPS 构建虚拟化工控系统（ICS）环境模拟攻击场景。其核心指标 CSVSS 在 CVSS 基础上增加基于 Entity 与 Place 支柱的社会影响维度，输出单一可复现的严重性评分。框架由 LLM 完成首轮漏洞映射与风险报告草拟，人类分析师借助可解释 AI 反馈保留关键决策权。
正文 · AI 翻译
摘要：工业控制系统（ICS）日益复杂及其与 IT 基础设施的融合，显著扩大了网络威胁的范围。传统网络安全模型主要基于机密性、完整性和可用性（CIA 三要素），无法涵盖网络攻击更广泛的社会和运营影响。本文提出了一种新颖的框架，将数字孪生技术与网络-社会安全模型相结合，以模拟、分析和量化关键基础设施中的网络威胁。使用 Mininet 和 MiniCPS 构建的虚拟化 ICS 环境用于对攻击场景建模，并评估其在技术和社会维度上的后果。该框架的核心是网络-社会脆弱性评分系统（CSVSS），这是一种定量指标，它在 CVSS 基础上扩展了基于实体与场所支柱的社会影响维度，生成单一、可复现的严重性评分，反映现实世界后果。关键在于，该框架并不自动化风险评估，而是将人类分析师置于中心：大型语言模型（LLM）执行首轮分析，映射漏洞并起草风险报告，而分析师在可解释 AI 反馈的支持下验证发现，并对关键案例保留决策权。实验结果证明了该框架对网络-社会影响进行建模和评分的能力，而人在回路的设计则作为保留监督的概念性原则提出。
| 评论： | 16 页，5 幅图 |
| 主题： | 密码学与安全（cs.CR）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.28430 [cs.CR] |
| （或 arXiv:2610.28430v1 [cs.CR] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.28430 由 DataCite 颁发的 arXiv DOI（待注册） |
|
| 期刊 参考： | SHIELD-AI 联合举办于欧洲机器学习与知识发现数据库原理与实践会议 - ECML PKDD 2026 |
提交历史
来自：Vita Santa Barletta [查看电子邮件]
[v1]
2026 年 10 月 20 日星期二 15:58:33 UTC（3,304 KB）
来源：arXiv cs.AI · arxiv.org