यह शोधपत्र एक हाइब्रिड ढाँचे का प्रस्ताव करता है जो स्मार्ट ग्रिड में स्वचालित उत्पादन नियंत्रण (AGC) प्रणालियों को लक्षित करने वाले मिथ्या डेटा इंजेक्शन (FDIA) हमलों जैसी साइबर सुरक्षा कमज़ोरियों को दूर करने के लिए हल्के मशीन लर्निंग (ML)-आधारित हमले का पता लगाने और बड़े पैमाने पर भाषा मॉडल (LLM)-आधारित प्राकृतिक भाषा स्पष्टीकरणों को एकीकृत करता है। एक क्लासिफायर, लाइटGBM, 0.004 सेकंड की अनुमान विलंबता के साथ 95.13% तक हमले का पता लगाने की सटीकता प्राप्त करता है। एक बार साइबर हमले का पता चलने पर, घटना का मानव-पठनीय स्पष्टीकरण तैयार करने के लिए GPT-3.5 टर्बो, GPT-4 टर्बो, या GPT-4o मिनी जैसे LLM का उपयोग किया जाता है। मूल्यांकन के परिणाम दर्शाते हैं कि 20-शॉट प्रॉम्प्टिंग का उपयोग करते हुए, GPT-4o मिनी 93% लक्ष्य पहचान सटीकता, हमले की तीव्रता के आकलन में 0.075 pu की औसत निरपेक्ष त्रुटि और हमले की शुरुआत के आकलन में 2.19 सेकंड की औसत निरपेक्ष त्रुटि प्राप्त करता है, जिससे वास्तविक समय में पहचान और व्याख्या योग्य एवं सटीक व्याख्याओं में प्रभावी संतुलन बना रहता है। यह स्मार्ट ग्रिड साइबर सुरक्षा में क्रियाशील AI की महत्वपूर्ण आवश्यकता को पूरा करता है।
