כתבה
arXiv cs.AI ·
HydroJEV: מסך אחד-שנייה, ללא הכשרה, לזיהוי פגיעה ציבורית ושגיאה ברשתות הספיקציה של מים
HydroJEV: A one-second, training-free screen for cyber-attack and fault attribution in water distribution networks
מודל חדש לזיהוי פגיעה ציבורית ושגיאה ברשתות הספיקציה של מים במהירות וללא הכשרה. המודל, HydroJEV, נבחן בסביבת EPANET והציג תוצאות טובות יותר מ-LLMs קדמוניים.
תקציר מקורי באנגליתarXiv:2610.02048v1 Announce Type: new Abstract: When a SCADA alarm is raised in a water distribution network, operators must decide quickly whether it reflects a cyberattack, a physical fault, a normal transient or a faulty sensor. Supervised classifiers need labelled incidents that utilities rarely have, and frontier large language models (LLMs) take tens of seconds per decision. We tested whether Jev, a training-free model that returns class probabilities in about one second, can serve as the first tier of this triage. On a four-class cause-attribution benchmark built on the C-Town network in EPANET, Jev was compared with a hand-written rule tree, a supervised classifier and seven cloud LLMs on identical evidence in four sealed, pre-registered rounds. With only a label-free prior correct
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית