Digital Twin-Assisted Mapping of ICS Telemetry to ATT&CK for ICS with Evidence-Driven Dependency Reasoning
该论文研究工业控制系统（ICS）遥测数据中攻击行为重建的难题：工艺过程观测往往直接反映物理状态的变化（如阀门开度、液位、压力），而不直接反映导致这些变化的操作者动作，因此从遥测反推对抗行为存在语义鸿沟。作者提出一个数字孪生（Digital
#digital-twin
共收录 14 条相关情报。
← 返回所有主题Physics-Constrained Digital Twins for Sensor Integrity in Urban Pedestrian Flow: Detecting Stealthy False Data Injection with Conformal Guarantees
城市行人计数系统如今为经济指标、城市规划与公共安全运营提供数据支撑，但这些系统之上的数字孪生普遍把输入计数流当作真值处理。本文研究该假设不成立时的后果，首次为城市尺度的行人感知场景形式化定义「隐蔽式虚假数据注入」问题。与电力网络、供水网络相
An Emulation Anchored Digital Twin Testbed for Cyberattack and Defense Analysis in Hospital IT OT Environments
本文提出了一种面向医院IT/OT融合环境的网络安全测试床，并扩展为数字孪生系统，用于网络攻击与防御分析。现代医院日益依赖集成IT和OT基础设施支持关键医疗服务，但这类融合扩大了攻击面，且在不影响真实业务的前提下难以安全地验证防御机制。现有测
Digital Twin-Based Intrusion Detection for Vehicle Powertrain CAN Bus Systems
该论文提出了一种基于数字孪生（Digital Twin, DT）的入侵检测系统（IDS），用于车辆动力总成控制器局域网（CAN）总线，旨在检测那些保持正常消息时序、频率或序列但操纵有效载荷的隐蔽攻击。现有CAN入侵检测方法主要关注消息时序或
Digital Twin Degradation: Detecting Cyber Physical Attacks via Temporal Inconsistencies
本文提出一种面向网络物理系统（CPS）的数字孪生（DT）安全监测框架。传统上，数字孪生被用于实时监控物理过程，但在对抗环境中，其保真度无法保证。通信延迟、数据篡改、传感器退化或部分信息丢失都会导致孪生状态与物理状态偏离，形成时间不一致性。作
Hierarchical Agentic Incident Response with Digital-Twin-Validated Attack Inference
本文针对网络应急响应中人工推断多阶段攻击耗时费力的问题，提出了一种层次化智能体响应框架。该框架融合了大语言模型（LLM）攻击推断、滚动规划（rollout planning）和数字孪生验证。首先，一个微调的LLM从安全告警和系统测量数据中推
Agentic Incident Response through Digital Twin-Enhanced Multiscale Planning
该论文针对当前事件响应（Incident Response）依赖安全运营人员按预定义剧本（playbook）手动执行，导致决策过程缓慢且劳动密集的问题，提出了一种基于大语言模型（LLM）的智能体化事件响应规划方法。现有自动化方案中，基于控制
Vulnerability Detection in AArch64 Machine Code Using a Digital Twin
本文面向无源码场景下的 AArch64 机器码漏洞检测问题，提出了一种基于数字孪生（Digital Twin）的可解释检测方法。传统二进制分析手段往往依赖符号执行或模糊测试，计算开销大且难以覆盖多步利用模式；同时很多现有工具只报告孤立的危险
Neuro-Symbolic Participation Governance for Verifiable AI Agents in Open Digital Twin Ecosystems
本文提出了一种面向开放数字孪生生态系统中可验证AI代理的神经符号化参与治理框架。研究背景是：随着大语言模型赋能的自主AI代理日益成为高价值决策支持系统的重要组成部分，在多机构、去中心化环境下，现有代理系统缺乏对身份、能力和策略合规性的强健验
Automated Stealthy Wear-Out Attack on Digital Twins With Deep Reinforcement Learning
该论文研究数字孪生（DT）系统中的隐蔽性磨损攻击。数字孪生作为工业4.0的关键技术，通过实时监控、仿真和精准控制物理资产，实现了数据驱动决策和运营优化。然而，这种物理与虚拟域的无缝交互极大地扩展了攻击面。论文提出一种基于深度强化学习（DRL
Securing Autonomous Vehicle Systems via Twin-Aware Federated Reinforcement Learning
本文提出一种针对联邦强化学习（FRL）系统的安全防御框架SecAgg+，旨在保护安全关键的自动驾驶场景中的FRL模型免受投毒攻击。联邦强化学习允许多个智能体协同学习而不共享原始数据，从而增强隐私和可扩展性，但现存投毒攻击可通过注入恶意系统参
In-Vehicle Digital Twin-Based Collision Warning Framework with Sybil Attack Detection
本研究针对联网车辆（CV）面临的Sybil攻击威胁，提出了一种基于车载数字孪生（DT）的碰撞预警框架，该框架内嵌了Sybil攻击检测能力。Sybil攻击中，攻击者通过伪造多个虚假车辆身份来欺骗通信系统，可能引发安全事故。框架核心包含两部分：
HySecTwin: A Knowledge-Driven Digital Twin Framework Augmented with Hybrid Reasoning for Cyber-Physical Systems
本文提出 HySecTwin，一种面向网络物理系统（CPS）的知识驱动数字孪生框架，旨在解决现有数字孪生方法在网络安全建模中缺乏语义推理能力的问题。HySecTwin 将自动推理置于实时威胁检测的核心，通过语义建模将异构的 CPS 遥测数据
Threat-Oriented Digital Twinning for Security Evaluation of Autonomous Platforms
该论文针对开放、非密的安全自主研究受限于无法接触实际作战平台、受争议通信基础设施和代表性对抗测试条件的问题，提出了一种面向威胁的数字孪生方法，用于对具备学习能力的自主平台进行网络安全评估。该方法被实例化为一套开源、模块化的数字孪生系统，模拟