CPS-LLM: 基于大语言模型的人机植入式网络安全使用计划生成器
人工智能
2024-05-21 v1 系统与控制
系统与控制
摘要
我们探索了将大语言模型（LLM）应用于人机植入式人机植入式网络安全系统（CPS）中，以将高层提示转化为针对特定控制目标的个性化行动计划，并随后将该计划转化为由实际CPS控制器自动化执行的序列决策推理。我们表明，针对LLM进行情境化处理以生成领域特定计划相对直接。然而，这些计划可能对物理系统而言不可行，或对人类用户而言不安全。为此，我们提出了CPS-LLM，一种通过指令调优框架重新训练的LLM，确保生成的计划不仅符合CPS的物理系统动力学，还对人类用户安全。CPS-LLM包含两个创新组件：a) 基于液相时常神经网络的物理动力学系数估计器，可推导包含部分未测量状态变量的动力学模型系数；b) 这些模型系数随后用于训练LLM，prompt中嵌入了来自动力学系统的轨迹与相应模型系数。我们表明，当CPS-LLM与如BARD等情境化聊天机器人集成时，可生成用于管理来自糖尿病1型患者的自动胰岛素输送系统的外部事件（如餐食）的可行且安全计划。
引用
@article{arxiv.2405.11458,
title = {CPS-LLM: Large Language Model based Safe Usage Plan Generator for Human-in-the-Loop Human-in-the-Plant Cyber-Physical System},
author = {Ayan Banerjee and Aranyak Maity and Payal Kamboj and Sandeep K. S. Gupta},
journal= {arXiv preprint arXiv:2405.11458},
year = {2024}
}
备注
Accepted for publication in AAAI 2024, Planning for Cyber Physical Systems