Daily Arxiv

世界中で発行される人工知能関連の論文をまとめるページです。
このページはGoogle Geminiを活用して要約し、非営利で運営しています。
論文の著作権は著者および関連機関にあり、共有する際は出典を明記してください。

L2M-AID: Autonomous Cyber​​-Physical Defense by Fusing Semantic Reasoning of Large Language Models with Multi-Agent Reinforcement Learning (Preprint)

Created by
  • Haebom

作者

Tianxiang Xu, Zhichao Wen, Xinyu Zhao, Jun Wang, Yan Li, Chang Liu

概要

本論文では、LLMベースのMulti-agent強化学習を活用した自律産業防御フレームワークであるL2M-AIDを紹介する。 L2M-AIDはLLMを活用して、大量の非定型テレメトリデータを豊富なコンテキストベースの状態表現に変換し、それを介して攻撃意図を推論するようにします。この状態表現はMAPPOアルゴリズムを活用するMARLエージェントチームに提供され、脅威の排除と運用の安定性を維持するために協力的な戦略を学習します。 SWaTデータセットおよびMITRE ATT&CK for ICSフレームワークベースの合成データセットの実験結果、L2M-AIDは従来のIDS、ディープラーニング異常検出器および単一エージェントRLベースよりも優れており、検出率97.2％を達成し、誤検出を80％以上短縮し、応答時間を4倍にしました。

Takeaways、Limitations

•
Takeaways：
◦
LLMを活用したコンテキストベースの状態表現で攻撃意図推論可能
◦
MARLによる協力的防御戦略の学習
◦
脅威除去と運用安定性をバランスよく考慮した補償機能の設計
◦
SWaTデータセットおよびMITRE ATT&CK for ICSベースの合成データセットで優れたパフォーマンスを実証
◦
従来の防御システムと比較して改善された検出率、誤検知の減少、応答時間の改善
•
Limitations：
◦
論文で具体的なLimitationsへの言及はありません。
👍
Made with Slashpage