Risks of Practicing Large Language Models in Smart Grid: Threat Modeling and Validation

大型语言模型（LLM）是人工智能（AI）领域的重大突破，对于智能电网的应用具有相当的潜力。然而，正如以前的文献所证明的，AI技术容易受到各种类型的攻击。在将它们部署在智能电网等关键基础设施之前，必须调查和评估与LLMs相关的风险。在本文中，我们系统地评估了LLMs的漏洞，并确定了两种与智能电网LLM应用相关的主要攻击类型，并提出相应的威胁模型。然后，我们使用流行的LLMs利用真实的智能电网数据验证了这些攻击。我们的验证表明，攻击者能够向LLMs注入错误数据，并从智能电网场景中使用的LLMs中检索领域知识。

系统评估LLMs的安全漏洞，特别是在智能电网应用中的两种攻击类型，以及相应的威胁模型。

通过实验验证，证明攻击者可以在LLMs中注入错误数据并从中检索领域知识。

论文系统评估了LLMs的安全漏洞，并提出了智能电网应用中的两种攻击类型和威胁模型。实验使用真实的智能电网数据验证了这些攻击，证明了攻击者可以注入错误数据并从LLMs中检索领域知识。

在最近的相关研究中，一些学者研究了利用AI技术进行攻击的方法，例如对抗性样本、欺骗性攻击等。相关论文包括“Adversarial Machine Learning: Attacks and Defenses”和“Deep Learning-Based Malware Detection on Mobile Devices”。