INVARLLM：面向信息物理系统异常检测的 LLM 辅助物理不变量提取
密码学与安全
2025-06-03 v2 人工智能
摘要
信息物理系统（CPS）容易受到违反物理定律的信息物理攻击。虽然基于不变量的异常检测是有效的，但现有方法存在局限性：数据驱动方法缺乏语义上下文，而基于物理的模型则需要大量人工工作。我们提出 INVARLLM，一个混合框架，利用大语言模型（LLMs）从 CPS 文档中提取语义信息并生成物理不变量，然后使用受 PCMCI+ 启发的 K-means 方法，将这些不变量与真实系统数据进行验证。该方法将 LLM 的语义理解与经验验证相结合，以确保可解释性和可靠性。我们在 SWaT 和 WADI 数据集上评估了 INVARLLM，在异常检测中实现了 100% 的精确率，且无误报，优于所有现有方法。我们的结果表明，将 LLM 衍生的语义与统计验证相结合，为 CPS 安全提供了一种可扩展且可靠的解决方案。
引用
@article{arxiv.2411.10918,
title = {INVARLLM: LLM-assisted Physical Invariant Extraction for Cyber-Physical Systems Anomaly Detection},
author = {Danial Abshari and Peiran Shi and Chenglong Fu and Meera Sridhar and Xiaojiang Du},
journal= {arXiv preprint arXiv:2411.10918},
year = {2025}
}