本文提出 TwinGridShield，一个面向 LLM 辅助能源管理工具的、与模型无关的运行时授权层。研究背景是：大语言模型可将自然语言上下文转换为结构化电网命令，但语法合法并不代表物理上可执行。TwinGridShield 在每条动作被释放到真实系统之前，先在确定性网络孪生环境中评估其后果，检查连通性、支路潮流、发电机和减载不变量，并将每个决策记录在哈希链日志中。作者在 IEEE 14 节点标准算例上进行了受控实验，基于直流潮流和实验设定的支路额定值，评估单步开关操作、再调度和减载动作。在匹配模型实验中，一个随机提案源（配置为以 p=0.84 的概率选择不安全动作）在 500 次受攻击条件下产生了 421 个不安全提案，实际比例为 84.2%；该值仅用于刻画所配置的替代代理，并非对 LLM 提示注入敏感性的经验测量。TwinGridShield 在这 500 次试验中实现了 0 次不安全释放。由于动作标记和授权使用相同的直流模型、系统状态、支路额定值和编码约束，这一结果验证的是实现与编码授权谓词的一致性，而非模型错误下的安全性。因此，主要的鲁棒性评估引入了模型失配：在每节点负载测量误差为 +20% 和 -20% 的范围内，不安全接受率达到 5.63%；当实际支路额定值比建模值低 20% 时，不安全接受率达到 30.09%。本文核心贡献是提出一种“后果感知”的运行时授权机制，将物理约束检查从 LLM 推理中解耦，为 AI 代理在关键基础设施中的安全部署提供了一种可审计、可验证的防护层。适合关注 LLM 代理安全、电网自动化、安全运行时监控的研究人员和蓝队工程师阅读。

本报告由 IEEE PES 工作组撰写，聚焦大规模能源互联网（Energy Internet, EI）系统的安全性与弹性问题。EI 系统通过深度数字化将电力层、信息层和市场层紧密耦合，形成典型的网络-物理融合系统（CPS），其安全威胁面已从传统物理攻击扩展到网络攻击、数据篡改、供应链风险及 AI 模型对抗攻击等复合维度。报告首先刻画了 EI 面临的网络-物理威胁全景，系统梳理了现有检测、保障与缓解技术；随后提出能够刻画网络-物理相互依赖关系的建模、控制与决策框架，重点涵盖储能系统集成、多维弹性评估以及电价预测等关键场景。在人工智能应用方面，报告专门分析了 AI 在 EI 中的可信部署问题，包括对抗性攻击风险、模型鲁棒性与可解释性挑战，并探讨了基于图论的攻击弹性信息路由机制，以提升分布式通信网络在故障或攻击下的生存能力。最后，报告从研究、标准制定和监管政策三个层面给出了实现大规模 EI 系统安全与弹性的建议清单。整体上，该报告旨在为电力系统工程师、网络安全研究人员、标准化组织和政策制定者提供跨学科的技术参考，强调 EI 安全不能仅依赖单一防护手段，而需要融合网络与物理域信息的综合对策。

本文针对德国智能计量基础设施（SMI）中可控本地系统（CLS）通道的控制信号传输，系统分析了延迟攻击的可行性。研究结合理论分析与实验验证，在基于智能电表网关（SMGW）通用标准保护文件（PP）的威胁模型下，评估了单点及多 CLS 通道同时遭受攻击时对电网的潜在影响。核心研究发现：位于广域网（WAN）的路径上攻击者，在掌握足够的上下文信息时，能够有选择地延迟特定控制信号；在某些已部署协议配置下，理论最大延迟可达约 48 小时。将攻击规模从单个 CLS 设备扩展到数十万台 CLS 设备后，可导致电网频率显著偏移，进而可能触发甩负荷。攻击可扩展性受限于各目标实现和配置的上下文知识，但随着标准化发展，这种知识可能更易获取。论文还提出了多层缓解策略：一是 SMGW 配置限制，缩小允许的传输窗口；二是实现级修改，修复时间处理缺陷；三是协议扩展，特别是在 TLS 1.3 中增加应用数据时间限制，以保证端到端的时间完整性。这些 TLS 扩展在维持向后兼容性的同时，提供了可落地的防御方案。文章特别指出，FNN Steuerbox 及使用 CLS.EEDI 的应用中的时间限制因实现而异，需厂商修复；而 TLS 1.3 的时间限制则需协议级扩展。该研究为德国智能电网控制通道的时间同步安全提供了重要分析依据，对于保障关键基础设施稳定运行具有参考价值。

本文针对关键基础设施（CI）网络安全中过度依赖“恢复力”而缺乏“反脆弱性”理论支撑的问题，提出了一种面向关键基础设施网络安全的反脆弱性理论（AFT）。该理论基于五状态弹性系统模型，并给出了一个有界的数学定义，核心是利用 Jensen 增益和扰动后增益来量化系统在扰动中的改进能力。研究采用两层实证设计：一是从 CISSM 网络事件数据库中提取与关键基础设施相关的事件子集，二是采用 HAI 硬件在环工业控制数据集，验证了三项确认性假设和一项探索性命题。实证结果显示：OT 邻近行业出现破坏性或混合事件的份额显著高于对照组（65.3% 对 46.8%，p<0.001），且物理攻击和数据攻击子类型更为集中；在 HAI 数据集中，攻击标记观测值超过基线偏差第 95 百分位的可能性是正常观测值的 7.43 倍（p<0.001）；在连续攻击窗口内，过程状态偏差均值显著下降（Spearman rho=-0.688, p=0.007），这表明存在可测量的响应变化，但并非自适应增益的充分证据。总体而言，研究确立了两个未来反脆弱性测试的前提条件：差异化的脆弱性负担和过程级扰动可观测性。该论文适合从事关键基础设施安全研究、工业控制系统安全防御及韧性工程的研究人员和工程师阅读。

该论文提出了SecDrift基准测试，用于测量大语言模型（LLM）在生成代码时，针对不同行业领域的提示（如关键基础设施）相对于中性基线所产生的安全性漂移。作者从CISA定义的8个关键基础设施行业和9个CWE漏洞类别出发，对7个LLM（其中6个生成了可分析代码）进行了5次重复实验，共计5355次评估。他们使用五维变换和匹配基线条件，保持任务不变仅替换领域术语。结果显示，行业提示看似更安全（漏洞率14.0% vs 11.4%），但差异无统计显著性（Fisher精确检验p=0.24，Cohen's h=-0.08），且这种差异完全由CWE-502和CWE-22两类漏洞组成，剔除后差异消失甚至反转。混合效应逻辑回归证实行业身份不是调节变量，唯一可检测的条件效应局限于这两类漏洞。8个行业均未显示出与基线可区分的漂移。对非CISA行业的安慰剂实验也复现了类似结果。相比之下，模型选择对漏洞率有显著且一致的影响（11.6%到16.1%）。因此结论是：模型选择比提示框架更可靠地影响生成代码的安全性。论文还公开了框架、提示、生成代码、发现、人工验证结果和分析脚本。

本文针对关键基础设施中操作技术环境无法主动扫描但需要风险评估和合规反馈的挑战，提出了一种基于 MCP（Model Context Protocol）的非侵入式多智能体流水线。该流水线将自然语言系统描述转换为来源可验证的知识图谱和符合 NIST OSCAL 格式的审计就绪工件，实现持续的自动化合规管理。架构将基于 LLM 的推理与来自权威威胁情报源的确定性知识检索解耦，降低了制造虚假漏洞和幻觉攻击路径的风险。通过一个水务公司的基于证据的合成场景验证，流水线达到了 0.90 的 CVE 召回率和完美的 D3FEND 召回率，生成了架构有效的 OSCAL 系统安全计划和安全评估报告。核心见解在于，MCP 接地并不能完全消除误差（如幻觉），而是将误差转移到从自然语言描述中提取资产的第一阶段：单个错误提取的实体可能导致后续阶段产生真实但无关的 CVE，消耗时间和资源。然而，这使得剩余风险变得可见、可验证，并适合时间高效的人工审查，因为基础设施（如版本号、操作系统等）通常是已知的。

该论文针对美国关键数字基础设施（医疗、金融、交通、能源、政府系统等）面临的日益复杂的网络威胁，提出了一种基于混合CNN-LSTM框架的智能网络攻击检测与防御系统。研究背景指出，传统的基于签名的入侵检测系统无法有效检测未知和变化的攻击。为此，作者利用CSE-CIC-IDS2018数据集（包含DDoS、暴力破解、僵尸网络、渗透攻击和Web攻击等真实流量场景），评估了多种机器学习和深度学习模型，包括随机森林、XGBoost、卷积神经网络（CNN）和长短期记忆网络（LSTM）。实验结果表明，混合CNN-LSTM模型在准确率、召回率和F1分数上优于单一模型，能够有效区分正常流量与恶意流量。该框架整合了数据预处理、特征工程、实时流量监控、智能威胁分类和自动防御机制，旨在提升美国关键基础设施的网络安全韧性。研究的主要贡献在于：1）对比评估了多种模型在真实数据集上的性能；2）提出了一种结合CNN空间特征提取与LSTM时间序列分析的混合架构；3）设计了可自动响应的防御流程。该工作适合安全运维人员、工业控制系统安全研究人员以及关注AI驱动入侵检测的从业者阅读。

该论文针对美国关键基础设施领域日益增长的网络安全威胁，提出了一种基于可解释人工智能（XAI）的网络风险分析与模型可靠性评估框架。研究背景指出，随着能源、医疗、交通、金融和通信等关键基础设施广泛采用智能数字技术，其暴露于高级网络攻击（如DDoS、僵尸网络、勒索软件和APT）的风险显著增加，传统安全机制难以应对动态演变的攻击环境。为此，研究者利用公开的CICIDS2017数据集，构建了基于机器学习的入侵检测和风险预测模型。比较了XGBoost、随机森林（Random Forest）和决策树（Decision Tree）等分类器在恶意流量检测上的性能，并重点集成SHAP等XAI技术，以增强模型决策过程的透明度和可解释性。评估指标包括准确率、精确率、召回率、F1分数、ROC-AUC和误报率，旨在验证模型的可靠性和鲁棒性。该框架最终目标是为美国关键基础设施的智能治理提供决策支持，提升网络安全风险管理的可信度与自动化水平。

本文提出“覆盖缺口”概念，用于衡量关键基础设施运营商在公共暴露面与协调漏洞披露能力之间的可量化差距。作者以智利国家网络安全局（ANCI）依据第21.663号法律指定的915家“重要运营商”（OIV）为对象，采用纯被动、基于开源情报（OSINT）的方法，遵循ISO/IEC 29147:2018标准及智利计算机犯罪安全港条款（第21.459号法律），对整个官方目录中约98.7%的实体进行了可验证披露联系渠道（第1层）的普查。结果发现：仅有16家OIV（1.7%）发布了可验证的RFC 9116披露渠道；在能源、医疗、银行、电信、燃料、水、交通及国家行政等物理世界基础设施运营商中，不到10家拥有此类渠道，所有四大银行和两家电信运营商完全缺失。相比之下，美国联邦民用部门在CISA约束性操作指令18-01下的合规率超过99%。此外，84%的OIV存在电子邮件认证配置错误，估计23.5%的OIV使用了生命周期结束或已知存在漏洞的软件栈组件（Wilson 95% CI [12%, 38%]）。跨司法管辖区基准测试显示，智利在电子邮件认证强制要求方面落后美国、英国和荷兰约8年，落后丹麦约3年。作者提出一个基于BOD 18-01和英国公共部门DMARC工具包的四阶段路线图，并开源工具anci-oiv-resolver（Apache 2.0），以便独立复现支撑宇宙级审计的OIV域名映射。

该论文针对关键基础设施防御中预防性控制措施常被高级供应链攻击和窃取的管理员凭证绕过的问题，提出了一种新颖的联邦式高吞吐量流处理与关联框架，用于跨部门协调威胁检测和自动化响应。系统核心组件包括：无状态预过滤调度子系统（PFDS）、内存锁分片状态工作器以及基于95%统计水位线的启发式机制，该机制在网络分区期间保持检测势头并驱逐投机性告警；延迟遥测随后通过确定性时间桶哈希直接在版本键控列式存储引擎中协调，避免了状态回滚开销。作者使用Go语言实现了原型，并实例化了一个生产级列式分析存储，在每秒50万事件的工作负载下进行了评估。结果表明，内部框架处理开销低于7秒，而端到端操作收敛（包括多部门检测、关联、广域网传播、窗口稳定性、VLAN级响应和硬件级缓解提交）在12-20秒的窗口内完成。该工作适合安全架构师、CISO以及从事跨组织威胁情报共享和自动化响应的研究人员阅读。

该研究聚焦于美国关键基础设施行业（如电力、医疗、金融）中，组织如何通过自身安全措施来补充官方数字安全合规要求（如NIST框架等）的不足。已有研究表明合规项目在制定和实施上存在诸多问题，导致组织常感到合规不足以应对真实威胁。研究者对来自六个关键服务行业的40名安全从业者进行了问卷调查，旨在了解：（1）组织如何识别并弥补合规与实际安全需求之间的差距；（2）哪些自行采取的措施效果显著；（3）组织如何对这些措施进行优先级排序和效果评估。该研究采用定性方法，通过半结构化访谈收集数据，并运用主题分析提取常见做法和挑战。虽然abstract未提供具体结果，但预期研究成果将揭示行业最佳实践、常见合规补充策略（如额外监控、第三方评估、自建威胁情报能力等），以及组织在资源分配和效果衡量上的决策逻辑。该工作适合CISO、合规官、风险管理者和政策制定者阅读，以理解合规之外的实际安全投资模式。