大家读完觉得有帮助记得关注和点赞摘要工业控制系统ICS日益复杂及其与IT基础设施的集成显著扩大了网络威胁格局。传统网络安全模型主要基于机密性、完整性和可用性CIA三元组无法捕捉网络攻击更广泛的社会和运营影响。本文提出一种将数字孪生技术与网络社会安全模型相结合的新框架用于模拟、分析和量化关键基础设施中的网络威胁。使用Mininet和MiniCPS构建的虚拟化ICS环境用于建模攻击场景并评估其在技术和社会维度上的后果。框架的核心是网络社会漏洞评分系统CSVSS一种定量指标它以基于实体和场所支柱的社会影响维度扩展CVSS产生反映现实世界后果的单一、可复现的严重性评分。关键的是该框架不自动化风险评估而是将人类分析师保持在中心大语言模型LLM执行第一遍分析——映射漏洞并起草风险报告——而分析师在可解释AI反馈的支持下验证发现并对关键案例保留决策权。实验结果表明该框架能够建模和评分网络社会影响而人在回路设计作为保持监督的概念性原则提出。关键词数字孪生 · 网络社会安全 · ICS。1 引言工业控制系统ICS在管理关键基础设施包括能源、交通和智慧城市中发挥关键作用。然而其与IT系统的日益互联引入了重大网络安全挑战。ICS环境的特点是遗留协议、有限的安全机制和高可用性要求[1]。诸如Modbus之类的协议缺乏加密和认证使其特别容易受到网络攻击[2]。因此保护ICS和运营技术OT环境至关重要因为成功的攻击可能破坏运营连续性、基本服务和人身安全。传统网络安全评估依赖于CIA三元组机密性、完整性、可用性。漏洞严重性通常使用CVSS通用漏洞评分系统[3,4]量化它评估利用条件和对CIA属性的技术影响。然而这种方法仍聚焦于技术领域未考虑更广泛的社会技术后果如认知操纵、信息退化、信任丧失或跨互联社会物理系统的级联效应。为填补这一空白网络社会安全CSS[5]概念通过考虑四个互联领域将网络安全分析扩展到技术基础设施之外网络、物理、信息和认知。这些领域捕捉网络威胁如何传播并影响个人、组织和社会。本文提出一种将数字孪生技术与网络社会安全模型相结合的框架来解决这些限制。数字孪生复制复杂的网络物理网络使研究人员能够研究和评估潜在网络攻击对系统、数据以及个人、组织、地点和更广泛生态系统的影响。主要贡献是i一个网络社会影响模型CIAEP用实体和场所维度扩展CIA三元组ii网络社会漏洞评分系统CSVSSCVSS v3.1的扩展将新维度纳入统一严重性评分iii一个由人在回路分析过程支持的数字孪生框架其中大语言模型协助分析师进行漏洞映射和风险报告生成同时保留人类决策权。论文结构如下。第2节回顾网络安全的数字孪生方法。第3节提出框架和CSVSS指标。第4节描述数字孪生架构第5节介绍攻击场景。第6节讨论实验结果第7节总结论文并讨论未来研究方向。2 相关工作数字孪生DT已被越来越多地用于改善工业控制系统ICS、物联网网络、智能电网、汽车系统和智慧城市的网络安全。常见方法将基于物理或数据驱动的仿真与机器学习技术相结合用于异常检测实现主动安全监控和安全的攻击实验[1]。多项研究证明了DT用于入侵检测的有效性。Varghese等人[6]开发了一个工业灌装厂的DT集成堆叠集成分类器能够近实时检测过程感知攻击。类似地Sayghe[7]将DT应用于水处理SCADA系统对虚假数据注入、DoS和命令注入攻击实现高检测准确率。El-Hajj[8]在基于DT的测试平台中结合Eclipse Ditto和Snort显示对洪水攻击的有效检测尽管侦察扫描仍具挑战性。除入侵检测外DT越来越多地用于攻击模拟和威胁情报生成。Dietz等人[9]利用ICS数字孪生执行攻击场景并自动生成STIX2.1格式的网络威胁情报CTI报告。在汽车领域Venkatachalapathy[10]使用DT复现攻击场景并分析联网车辆系统的漏洞。补充工作聚焦于基于DT的测试平台。GRFICSv2[11]提供真实的ICS环境支持代表性攻击如Modbus ARP欺骗和PLC代码注入。然而其固定架构限制了异构场景的建模。近期研究进一步强调DT在智慧城市中的作用高保真虚拟模型支持网络安全实验而不影响运营基础设施[12]。尽管有这些进展保护ICS环境仍具挑战性。大多数现有解决方案改编自传统IT安全未完全解决ICS环境的运营约束和独特特征[2]。因此许多传统安全机制无法在不影响性能或可用性的情况下直接部署。这些限制促使开发灵活可编程的DT框架——如本文采用的Mininet⁵和MiniCPS⁶——能够建模异构网络物理基础设施并支持跨不同运营场景的网络社会后果分析。3 提出的方法本工作提出一个将数字孪生DT技术与网络社会安全模型相结合的框架用于模拟、分析和量化工业控制系统ICS和网络物理环境中的网络威胁。网络社会影响模型。CIA三元组处理资源的技术属性但对利用漏洞最终伤害谁和什么保持沉默不仅影响数据保护还影响物理保护和数字生活。因此我们用两个维度扩展三元组实体E受攻击影响的个人、组织和运营角色。攻陷不仅影响数据还影响依赖数据的个人和机构场所P受影响信息和过程的物理或数字位置。同一攻击可保持局部或升级到关键基础设施、城市、地区甚至地缘政治因素。例如为说明区别考虑加密能源厂HMI的勒索软件攻击。实体维度捕捉谁受伤害——失去访问权的控制室操作员、运营组织以及最终依赖服务的公民——而场所维度捕捉影响传播多远——从本地HMI节点到关键能源基础设施并可能到整个地区。智慧城市中的网络社会影响评估。网络社会影响模型通过实体和场所维度扩展传统网络物理分析支持跨互联社会和空间尺度评估攻击效果。为捕捉现代社会技术环境的复杂性模型在智慧城市生态系统中实例化[13]其中数字技术支持城市服务、可持续性和生活质量。如图1所示智慧城市沿两个轴描述水平维度表示技术层网络基础设施、传感器和设备、管理平台和应用垂直维度表示主要城市领域人、能源、经济、移动性和宜居性。源自某一技术层的网络攻击可能传播到多个领域从而获得网络社会影响。攻击后果通过四个互补维度进一步分析网络受影响的系统和服务、信息信息流和叙事、物理基础设施和运营过程和认知人类感知、信任和决策。这些维度共同支持技术、信息、物理和人类后果的统一评估。然而CVSS和CIAEP本质上仍是静态模型。每次模拟后受影响资产和领域必须手动识别当在数字孪生环境中分析大量攻击场景时这一过程变得越来越复杂和耗时。网络社会漏洞评分系统。CVSS v3.1从三个影响指标C、I、A结合可利用性指标推导基础评分但仍局限于技术领域。CSVSS保持CVSS v3.1的结构并添加社会影响SI维度作为第四个影响指标确保最终值反映社会维度同时在概念和数学上接近标准。为消除定性影响表中指出的主观性我们为实体和场所级别定义明确锚点和确定性规则将其映射到评分系统的数值尺度表1。两个维度采用与CVSS v3.1影响指标相同的三值尺度无0、低0.22和高0.56。两个维度聚合为单一社会影响SI值输入评分公式。为避免低估社会暴露我们采用保守最坏情况聚合SI max(E, P) (1)图1. 智慧城市网络社会安全框架连接城市领域、技术层和网络-物理-信息-认知影响。图2. 不同指数值下CSVSS校正项的校准。比较突出n30如何在高影响水平提供改进的区分度同时保持单调性并维持技术严重性与社会技术后果之间的一致性。表1. 实体E和场所P维度的分配标准。级别实体E场所P无0无人类或组织方受影响。无空间传播。低0.22有限个人用户集可恢复不涉及敏感凭据或安全角色。影响限于单一节点或本地段。高0.56许多用户/操作员或安全相关人员以及关键组织角色、敏感凭据或个人数据暴露。传播到关键基础设施、多个智慧城市领域或区域尺度。这将SI保持在可允许的CVSS集合{0, 0.22, 0.56}内并保持与标准的数学兼容性。以下方程中的所有符号遵循CVSS v3.1基础规范该规范从两个指标组构建评分。影响指标描述对受影响组件的后果包括机密性C、完整性I和可用性A。CSVSS在此基础上添加公式(1)的社会影响SI四个指标各取值无0、低0.22或高0.56。范围S是开关值当利用仅影响易受攻击组件安全权威下的资源时为不变当突破该权威并到达不同权威时为改变。可利用性项衡量漏洞被到达的容易程度结合易受攻击组件的四个指标攻击向量AV网络0.85相邻0.62本地0.55物理0.20、攻击复杂性AC低0.77高0.44、所需权限PR无0.85低0.62高0.27——当范围改变时提高到0.68和0.50和用户交互UI无0.85需要0.62。所得四支柱影响子分为ISC4 1 − (1−C)(1−I)(1−A)(1−SI) (2)与标准一样影响取决于范围范围不变Impact 6.42×ISC4 (3)范围改变Impact 7.52(ISC4 − 0.029) − 3.25(ISC4 − 0.02)³⁰ (4)可利用性子分与CVSS v3.1相同Exploitability 8.22 × AV × AC × PR × UI (5)影响和可利用性按照CVSS v3.1规范组合为最终基础评分BaseScore 0, 若Im ≤ 0 Roundup(min(x, 10)), 若SU Roundup(min(1.08x, 10)), 若SC (6)其中x (Impact Exploitability)SU和SC分别表示范围不变和改变Im表示影响。范围和网络社会维度捕捉攻击的不同方面因此独立评估。与CVSS v3.1一致范围仍是纯技术属性描述利用是否影响原始安全权威之外的资源。相反实体和场所维度衡量后果的社会触及范围代表受影响行为者的广度和影响的空间或运营范围。因此这些维度不可互换。攻击可保持在单一安全权威内范围不变同时影响大量个人实体高或跨越多个安全边界范围改变但社会影响有限实体低场所低。保持这些维度独立保留与CVSS的兼容性避免传播效应的双重计数并支持更清晰地区分技术传播和社会技术后果。与原始CVSS公式的唯一变化涉及范围改变影响函数中使用的指数。CVSS v3.1采用指数15然而由于CSVSS聚合四个影响维度ISC4高值出现更频繁。在这种情况下公式(4)的校正减项可能过度惩罚评分可能产生低于相应技术CVSS的CSVSS值。图2说明校准过程。指数15在最大影响值附近引入强曲率降低评分区分度而指数30保持单调性并提高上严重性范围的敏感性。这一调整限制校正项的影响确保技术严重性与CSVSS捕捉的更广泛社会技术后果之间更大一致性。因此CSVSS有意构建在v3.1上而非CVSS v4.0安全性的重新实现。CVSS v4.0是首个通过专用补充和环境指标明确考虑运营技术和具有物理安全影响的漏洞的版本[14]社会影响维度不衡量对个人或过程的直接物理伤害而是攻击传播的社会后果——智慧城市领域基本服务的连续性、公众信任和社会稳定。安全和社会影响是互补视角CSVSS贡献后者v3.1和v4.0均未将其提升为评分的一等组件。基于LLM的网络风险分析。为克服上述评估的静态、手动性质大语言模型LLM作为核心智能层集成到数字孪生环境中支持动态、自动化分析图3。与传统机器学习方法依赖预定义特征和结构化数据集不同LLM支持对异构、非结构化数据的语义理解和上下文推理可自主评估网络攻击影响减少评估结果所需时间。所有模拟使用通用提示然后适应特定网络攻击可能包括数字孪生内生成的日志文件。分析遵循结构化流水线i使用CAPEC分类法识别攻击模式ii将漏洞映射到CWE类别iii使用CVSS指标分配严重性评分iv生成结构化、可解释的风险报告。该流水线产生自动化、上下文感知的网络威胁分析改善态势感知并支持决策让LLM解释网络物理交互及其潜在网络社会影响桥接技术分析与现实世界后果。利用通用生成AI执行此任务的可行性得到近期研究支持[15]确认LLM可通过直接从文本描述提取上下文来自动化漏洞评分显著减少手动开销。采用的模型是Mistral 7B[16]一个70亿参数语言模型尽管规模小在少于130亿参数的基座模型中表现出竞争力具有强自然语言理解能力使其适合自动化、上下文感知的科学分析。图3. 真实世界系统的数字孪生框架集成IoT数据、攻击/正常场景检测和LLM驱动的共生AI支持安全运营中心决策和风险管理。人在回路与共生分析。所提出框架的设计原则是LLM是安全分析师的共生增强层。这一选择反映以人为本的观点即有效的人-AI团队利用每个伙伴的互补优势让自动化处理常规、充分理解的案例而分析师专注于需要批判性思维和领域专业知识的任务[17]。概念上框架与安全运营中人-AI协作的分层自主模型一致[18]而非多级自主分类法它提出单一人类验证门其中LLM在常规、低关键性发现上高度自主运行而关键案例预计升级给分析师分析师保留决策权。预期任务分工是iAI已实现合成数据集生成、日志分诊、发现到CAPEC/CWE映射、第一遍CVSS分配和结构化报告起草——驱动分析师疲劳的重复、高容量工作ii人类按设计验证AI输出、上下文消歧、伦理和战略判断以及对关键场景最终CSVSS判决的问责。这一原则由测量的LLM行为而非便利性驱动在将漏洞映射到CVSS指标的任务上近期大规模评估显示LLM错误分类不可忽略且相关的案例集集成仅产生边际增益[15]。4 方法数字孪生架构。本工作开发的数字孪生基于Mininet和MiniCPS的组合使用支持创建复制真实世界基础设施的虚拟化网络物理环境图4。Mininet提供真实网络仿真包括主机、交换机和通信链路而MiniCPS通过模拟ICS环境典型的物理过程和控制逻辑扩展这些能力[19,20]。架构组织为四个主要层数据收集与采集该层从物理设备、传感器和模拟工业组件收集数据。数据管理与同步负责处理数据流、确保一致性并同步系统状态。数据建模与AI驱动服务通过大语言模型LLM支持仿真、数据处理和高级分析支持事件语义解释和自动报告生成。数据可视化提供监控系统行为和分析结果的接口。这种分层架构确保模块化和适应性允许DT应用于不同领域包括IT基础设施、ICS和智慧城市环境[13]。框架在中等工作站AMD Ryzen 5700U CPU16 GB DDR4 RAM上实现证明DT不需要高端硬件。环境结合VirtualBox承载运行DT的Ubuntu虚拟机、Mininet网络仿真、MiniCPS用ICS典型的物理过程和控制逻辑仿真扩展Mininet以及提示工程用于生成合成数据集向系统提供真实数据流。所提出框架的开发遵循结构化方法由两个主要阶段组成数字孪生设计与实现。在此阶段设计并实现网络物理基础设施的虚拟表示。网络拓扑、通信协议和系统组件使用可编程脚本定义支持灵活可复现的配置。LLM驱动分析与增强。集成大语言模型对网络事件进行语义分析、关联异构数据源并生成结构化安全报告。与传统机器学习方法不同LLM支持上下文感知推理改善复杂攻击场景的解释并支持网络安全分析师。图 4所提出的工业控制系统数字孪生框架总体架构集成了物理层与数字层并结合基于人工智能的分析该方法允许DT迭代细化逐步提高模拟场景的真实性和复杂性。因此所提出框架强调灵活性、可扩展性和真实性。通过结合网络仿真、物理过程模拟和AI驱动分析DT为网络安全实验提供全面环境。DT的网络架构。工业生产是受网络威胁最严重的部门之一因此DT在具体工业场景而非通用拓扑上实例化。参考案例灵感来自意大利能源和制造业的主要运营商之一。所得网络图5是现实但虚构的工业场景抽象关键组件。与智能电网概念模型[21]一致设计实现支持实时管理和可再生能源整合所需的信息技术IT和运营技术OT融合。然而这种IT/OT融合将先前隔离的生产系统暴露于复杂攻击并引入新的关键漏洞[22]。拓扑有意是功能抽象而非忠实复制原因有二第一限制模拟复杂性其随节点数快速增长第二优先生成可立即分析的数据而非详细再现。在IT侧网络包括SDN控制器、NAT/网关、交换架构、客户支持服务器和网络运营中心而VPN边界将其与OT网络和外部客户访问分离。该布局提供模拟攻击从网络域传播到智慧城市场所维度的基础。图5. 工业数字孪生DT的参考网络架构。拓扑提供工业环境的功能抽象捕捉主要IT和OT组件、其互连以及两个域之间的VPN边界。架构支持模拟网络攻击从IT/OT基础设施向智慧城市场所维度的传播。5 攻击模拟为评估所提出架构的韧性和CSVSS指标的有效性在数字孪生内实现了四个不同攻击场景。场景有意选择针对IT/OT基础设施的不同层以观察技术退化及由此产生的社会影响i拒绝服务DoS通过向网络洪泛大量数据包饱和系统资源针对客户支持服务器的可用性允许评估由此产生的社会中断ii跨站脚本XSS在IT网络中复现破坏访问控制条件可能导致基本服务交付中的未授权访问。选择XSS是因为该漏洞类别在Web安全中高度普遍[23]iii勒索软件建模数据加密以捕捉从局部IT安全事件到基本服务潜在运营停止的转变[24]ivKurtlar.exe恶意软件针对端口5800-5901上的VNC管理接口利用弱凭据获得对OT站的远程控制从而评估未授权命令注入风险⁷。这些模拟的输出随后使用基于LLM的分析处理自动将观察到的漏洞映射到CWE和CAPEC分类法并计算最终评分。⁷ Dragos 2026 OT Cybersecurity Report: A Year in Review6 结果与评估本节报告第5节定义的四个攻击场景在所提出数字孪生内执行的结果。评估分为四部分i技术影响分析ii网络社会影响评估iii通过CSVSS评分模型进行定量评估以及iv基于LLM的风险分析。技术影响分析。实验在基于Mininet和MiniCPS的虚拟化ICS环境中进行。洪水攻击产生服务可用性的显著退化响应时间增加和拒绝服务攻击中间歇性中断。资源利用率在迭代间保持持续高位确认攻击在饱和系统容量方面的有效性。DT内产生的服务器日志的代表性条目是10.0.0.5-- [08/May/2025 16:41:38] GET / HTTP/1.1 200存储型跨站脚本链的成功由三条日志记录。攻击者日志记录载荷部署Web服务器日志显示注入POST /store_xss后两个客户端到达易受攻击端点最后被盗cookie日志确认载荷在客户端执行捕获会话标识符和用户令牌可用于会话劫持2025-05-16 17:38:26- attacker- INFO- XSS attack payload deployed 10.0.0.3-- [16/May/2025 17:38:26] POST /store_xss HTTP/1.1 302 10.0.0.5-- [16/May/2025 17:38:29] GET /vulnerable_endpoint HTTP/1.1 200 10.0.0.5-- [16/May/2025 17:38:30] GET /vulnerable_endpoint HTTP/1.1 200 Fri May 16 17:35:38 2025- session_idADMIN_SESSION_123; user_tokenADMIN_SECRET_456 Fri May 16 17:38:29 2025- session_idDOWZANW9U8; user_tokenffxbdhvbq21xen2x初始OSINT阶段揭示端口22上的SSH服务作为可能入口点后续攻陷通过未知漏洞或针对节点操作员的社会工程被视为透明且未在操作上实现而加密阶段被执行并测量。所得日志显示1002个测试文件在0.16秒内加密约16 KBTimestamp, Enc Files, Size (bytes), Time (s) 2025-07-06 17:43:37, 1002, 15893, 0.16尽管规模小测试说明勒索软件一旦获得访问权限可以多快行动即使几秒钟也可造成相当大损害即使在配备现代防御的环境中。模拟证明恶意软件Kurtlar.exe如何通过暴力攻击攻陷易受攻击的VNC服务同时对其他暴露服务产生失败尝试。攻击结果记录在以下CSV中timestamp, target_name, target_ip, password, result 2025-07-10 10:01:23, host1, 10.0.0.1, 12345, AUTH_FAILED 2025-07-10 10:03:23, host1, 10.0.0.1, 123, AUTH_SUCCESS 2025-07-10 10:02:05, host8, 10.0.0.8, 12345, AUTH_FAILED 2025-07-10 10:03:47, host5, 10.0.0.5, 123, AUTH_SUCCESS总体而言这些结果确认数字孪生以现实方式复现四种攻击的行为及其技术后果。网络社会影响评估。模拟攻击源自网络域最初影响智慧城市架构的水平传感器和网络层随后传播到垂直领域如人、经济和宜居性。这些级联效应在网络社会安全范式中解释该范式整合技术和社会视角。因此每个场景使用CIAEP模型评估该模型用实体和场所维度扩展CIA三元组。从技术CIA角度看DoS攻击仅影响可用性C、I 无A 高。XSS攻击通过会话劫持危害机密性并通过冒充支持完整性违规C、I 高A 无。勒索软件场景通过加密和数据泄露影响所有CIA维度C、I、A 高而Kurtlar.exe场景通过支持OT系统完全远程控制危害机密性、完整性和可用性C、I、A 高。在实体E维度DoS和XSS攻击仍限于有限终端用户或管理员集影响完全可恢复E 低。相反勒索软件和Kurtlar.exe影响安全相关操作员、组织和依赖公民E 高。关于场所P维度DoS和XSS仍限于IT服务和单一Web组件P 低而勒索软件和Kurtlar.exe传播到关键基础设施和潜在区域尺度运营系统P 高Kurtlar.exe还桥接IT、传感器和OT层。检测–响应–预防生命周期通过整合这些多域效应在战术和战略层面构建安全响应。总体而言结果突出网络攻击如何超越技术边界影响现实世界实体和环境表2。基于CSVSS的评估。CVSS聚焦三个技术维度机密性、完整性、可用性不考虑攻击更广泛的社会和物理影响CSVSS通过引入基于实体和场所支柱的社会影响维度扩展它支持更全面评估。表2报告分析场景中的两个评分系统。CSVSS从不给攻击评分低于其CVSS值并在社会影响不可忽略处提高严重性捕捉仅技术评分忽略的级联效应。对于IT层攻击特别是跨站脚本案例当考虑社会触及范围时评估上升。在所有场景中当社会影响不可忽略时CSVSS产生比CVSS更高的严重性符合模型目标。增加在跨站脚本8.9到9.8和拒绝服务7.5到8.2场景中最明显。对于Kurtlar社会维度将评分推到最终步9.4到10而对于勒索软件技术严重性已最大CVSS 10因此社会维度确认顶级评级。结果是整体的社会域大于其部分之和这就是为什么公式(4)重新校准的非线性影响函数优于简单加性聚合。表2. CVSS和CSVSS评分比较左及使用CIAEP维度的攻击影响右。场景CVSSCSVSS攻击CIAEPDoS7.58.2DoS无无高低低XSS8.99.8XSS高高无低低勒索软件1010勒索软件高高高高高Kurtlar9.410Kurtlar高高高高高基于LLM的网络风险分析。LLM集成到系统中产生动态、自动化评估通过专门构建的提示模型自主确定攻击影响大幅减少评估结果所需时间。采用的模型是Mistral 7B[16]一个70亿参数模型在少于130亿参数的基座模型中达到最先进性能使其适合自动化、上下文感知分析。以下分析——在附录中——展示在数字孪生内跨多个攻击场景应用基于LLM的网络社会评估的结果。7 结论若干限制约束本研究。数字孪生部署在中等基础设施上并依赖合成数据限制可扩展性和真实性。此外基于LLM的分析仍对提示设计敏感且输出非确定性使人类验证至关重要。所提出的实体和场所维度聚合优先透明性和可复现性尽管未来工作可探索替代聚合方法。最后由于数字孪生通过物理和虚拟环境之间的交互引入额外攻击面保护这些反馈回路仍是关键挑战[25]。未来研究将聚焦在真实世界环境验证框架特别是在SOC运营和多域背景下[26]。进一步发展包括集成蜜罐、对抗机器学习AML和可解释AIXAI以提高对对抗攻击的韧性并增强自动化评估的可信度。实时数据流的采用还将支持预测性模拟并支持框架向SOC规模部署演进。