olimposec.com
tema

#digital-twin

3 publicações marcadas com esta tag.

panoramaOS-2026-630 · 2026-10-08
0

TwinGuard-Lite propoe gateway de admissao baseado em regras para proteger gemeos digitais de pacientes contra atualizacoes maliciosas

Pesquisadores apresentaram o TwinGuard-Lite, um gateway que decide se uma atualizacao proposta ao estado persistente de um 'gemeo digital' de paciente -- um sistema que combinaria prontuarios longitudinais com agentes de LLM e memoria entre sessoes -- deve ser admitida, com base em verificacao de proveniencia, deteccao de contradicao com o registro existente e verificacao de namespace para impedir que dados de um paciente vazem para o gemeo de outro. Em simulacoes com dados semi-sinteticos derivados do banco eICU, o gateway completo atingiu 99,1% de precisao e 90,5% de revocacao contra tres familias de ataque, superando filtros de palavra-chave, detectores de anomalia e verificacao de proveniencia isolada.

Fonte ↗
panoramaOS-2026-586 · 2026-10-05
0

Pincer propõe um "gêmeo digital" para aprender e aplicar permissões de agentes de IA automaticamente

Pesquisadores propõem o Pincer, uma defesa que atua na camada de autorização de recursos para agentes de codificação autônomos, usando um modelo isolado — um "gêmeo digital" do usuário — que aprende continuamente políticas dinâmicas de privilégio mínimo específicas para cada usuário. A proposta busca resolver o desgaste de permissões e a falta de personalização dos classificadores de chamada de ferramenta usados hoje por agentes como Claude e Codex.

Fonte ↗
panoramaOS-2026-590 · 2026-10-05
0

Gêmeo digital auxilia mapeamento de telemetria industrial para o framework ATT&CK for ICS

O estudo propõe um framework que usa um gêmeo digital de sistemas de controle industrial (ICS) para transformar mudanças de estado físico em descrições mapeáveis ao framework ATT&CK for ICS, usando LLMs com retrieval-augmented generation. Nos testes com o dataset SWaT, o enriquecimento via gêmeo digital reduziu falsos positivos em 34,1% em média, mas o recall ficou moderado (0,633) e os ganhos não se replicaram em datasets externos. Os próprios autores são cautelosos, afirmando que os resultados não estabelecem atribuição autônoma confiável nem benefício prático demonstrado para analistas.

Fonte ↗