BALLAST 用数字孪生为工控移动目标防御加物理约束

BALLAST 研究团队提出在安全策略与被控对象之间加入学习型数字孪生作为安全先知的移动目标防御方案，并在 SWaT 水处理测试床验证：攻击者侦察扫描成功率下降 85%，50 次运行中未记录安全违规。 该方案用物理信息 LSTM 代理预测候选网络变更的物理影响，强化学习智能体在安全熵与过程稳定性之间权衡，连接排空机制让在途 Modbus 事务在旧映射撤除前完成，显式防护罩拒绝预测轨迹超出安全运行包络的动作。孪生推理在工作站核心与嵌入式 GPU 上满足 50 毫秒预算，在边缘 CPU 上为批量调用下的推算结果；完整的决策到执行路径仅在工作站上测得。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。