A Digital Twin to Improve Cyber-Social Impact

📄 arXiv: 2610.28430v1 📥 PDF

作者: Vita Santa Barletta, Danilo Caivano, Gabriel Cellammare, Andrea Dimauro, Pasquale Mesagna, Massimiliano Morga

分类: cs.CR, cs.AI

发布日期: 2026-10-20

备注: 16 pages, 5 figures

期刊: SHIELD-AI co-located in European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases - ECML PKDD 2026

💡 一句话要点

提出数字双胞胎框架以改善网络社会影响评估

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 数字双胞胎 网络安全 社会影响 脆弱性评分 人机协作 工业控制系统 风险评估

📋 核心要点

  1. 现有网络安全模型未能全面评估网络攻击对社会和操作的影响，导致评估不足。
  2. 本文提出的框架结合数字双胞胎技术与网络社会安全模型，能够模拟和量化网络威胁。
  3. 实验结果表明，该框架有效建模和评分网络社会影响，且人机协作设计增强了监督能力。

📝 摘要（中文）

随着工业控制系统（ICS）与IT基础设施的复杂性增加，网络威胁的范围显著扩大。传统的网络安全模型主要基于机密性、完整性和可用性（CIA三元组），无法全面捕捉网络攻击的社会和操作影响。本文提出了一种新颖的框架，将数字双胞胎技术与网络社会安全模型相结合，以模拟、分析和量化关键基础设施中的网络威胁。通过使用Mininet和MiniCPS构建虚拟化的ICS环境，模型能够评估攻击场景及其在技术和社会维度上的后果。框架的核心是网络社会脆弱性评分系统（CSVSS），该系统通过引入社会影响维度扩展了CVSS，生成一个可重复的严重性评分，反映现实世界的后果。该框架强调人类分析师的中心地位，利用大型语言模型（LLM）进行初步分析，并在可解释AI反馈的支持下，验证结果并保留对关键案例的决策权。

🔬 方法详解

问题定义：本文旨在解决传统网络安全模型无法全面评估网络攻击对社会和操作影响的问题，现有方法在应对复杂网络威胁时显得不足。

核心思路：提出一种结合数字双胞胎技术与网络社会安全模型的框架，通过模拟和量化网络威胁，强调人类分析师在风险评估中的重要性。

技术框架：框架包括虚拟化的ICS环境（使用Mininet和MiniCPS）、网络社会脆弱性评分系统（CSVSS）和人机协作分析流程。LLM进行初步分析，分析师负责验证和决策。

关键创新：CSVSS是该框架的核心创新，通过引入社会影响维度扩展了CVSS，生成单一的可重复严重性评分，反映真实后果。

关键设计：框架设计中，LLM用于初步漏洞映射和风险报告草拟，分析师在可解释AI反馈的支持下进行验证，确保决策的准确性和有效性。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果显示，该框架能够有效建模和评分网络社会影响，CSVSS评分系统在多个攻击场景中表现出较高的准确性和一致性，显著提升了对网络威胁的理解和响应能力。

🎯 应用场景

该研究具有广泛的应用潜力，尤其在关键基础设施的网络安全评估和管理中。通过提供更全面的风险评估工具，能够帮助组织更好地理解和应对网络威胁，从而提升整体安全性和社会责任感。

📄 摘要（原文）

The increasing complexity of Industrial Control Systems (ICS) and their integration with IT infrastructures has significantly expanded the cyber threat landscape. Traditional cybersecurity models, primarily based on the Confidentiality, Integrity, and Availability (CIA triad), fail to capture the broader societal and operational impacts of cyberattacks. This paper proposes a novel framework that integrates Digital Twin technology with a Cyber-Social Security model to simulate, analyze, and quantify cyber threats in critical infrastructures. Virtualized ICS environments built with Mininet and MiniCPS are used to model attack scenarios and assess their consequences across technical and social dimensions. At the core of the framework lies the Cyber-Social Vulnerability Scoring System (CSVSS), a quantitative metric that extends CVSS with a Social Impact dimension grounded in the Entity and Place pillars, producing a single, reproducible severity score that reflects real-world consequences. Crucially, the framework does not automate risk assessment but keeps the human analyst at its center: a Large Language Model (LLM) performs a first-pass analysis, mapping vulnerabilities and drafting risk reports, while the analyst, supported by explainable AI feedback, validates the findings and retains decision authority over critical cases. Experimental results demonstrate the framework's ability to model and score cyber-social impact, while the human-in-the-loop design is presented as a conceptual principle to preserve oversight.