从不完整架构到量化风险：基于多模态 LLM 的网络-物理系统安全评估
密码学与安全
2026-04-08 v1 人工智能
摘要
网络-物理系统常面临架构文档不完整或过时的问题，这源于旧有技术、知识管理缺口以及长期运行周期内集成异构子系统的复杂性。这种架构不完整性阻碍了可靠的安全评估，因为不准确或缺失的架构知识限制了系统依赖关系、攻击面及风险传播路径的识别。为此，本文引入 ASTRAL（Architecture-Centric Security Threat Risk Assessment using LLMs），一种以架构为中心的安全评估技术，由多模态 LLM 提供动力的原型工具。该方法辅助实践者在文档碎片或缺失时重构和分析 CPS 架构。通过利用提示链、零样本学习和架构推理，ASTRAL 从异构数据源中提取并综合系统表示。通过将 LLM 推理与架构建模集成，我们的方法支持针对网络-物理系统进行自适应威胁识别和定量风险估计。我们通过多个 CPS 案例研究进行消融研究，并进行涉及14名经验丰富的网络安全从业者的专家评估。实践者反馈表明，ASTRAL 在支持以架构为中心的安全评估方面具有实用且可靠。总体而言，结果表明该方法可支持更明智的网络风险管理决策。
引用
@article{arxiv.2604.05674,
title = {From Incomplete Architecture to Quantified Risk: Multimodal LLM-Driven Security Assessment for Cyber-Physical Systems},
author = {Shaofei Huang and Christopher M. Poskitt and Lwin Khin Shar},
journal= {arXiv preprint arXiv:2604.05674},
year = {2026}
}
备注
Under submission