💻 computer science

Self-Adaptive Multi-Agent LLM-Based Security Pattern Selection for IoT Systems

Cet article présente ASPO, un cadre multi-agents auto-adaptatif qui combine le raisonnement basé sur les LLM avec l'optimisation déterministe pour sélectionner et exécuter des motifs de mitigation de sécurité sans conflit et réalisables en termes de ressources pour les systèmes IoT en périphérie, permettant de réduire considérablement la latence de queue et la surcharge énergétique tout en garantissant les propriétés de sécurité.

Auteurs originaux : Saeid Jamshidi, Foutse Khomh, Carol Fung, Kawser Wazed Nafi

Publié 2026-05-04

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Saeid Jamshidi, Foutse Khomh, Carol Fung, Kawser Wazed Nafi

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez le système de sécurité intelligent de votre maison comme une tour de contrôle d'aéroport très fréquentée. Sa tâche consiste à repérer les problèmes (comme un pirate informatique tentant de s'introduire) et à décider immédiatement quelles contre-mesures déployer : verrouiller une porte, allumer un projecteur ou appeler la police.

Autrefois, ces systèmes ressemblaient à des livres de règles rigides : « Si vous voyez un feu rouge, verrouillez la porte. » Mais les systèmes modernes de l'Internet des objets (IoT) sont trop complexes pour des règles simples. Ils doivent prendre des décisions rapides et intelligentes tout en fonctionnant sur de minuscules appareils alimentés par batterie, incapables de supporter des charges de travail lourdes.

Ce document présente ASPO, une nouvelle méthode pour gérer ces décisions de sécurité. Imaginez ASPO comme une équipe de contrôle aérien de haute technologie qui combine un brainstorming créatif et des lois de sécurité strictes et inébranlables.

Voici comment cela fonctionne, décomposé en parties simples :

1. Le Problème : Trop de Choix, Trop Peu de Puissance

Dans une ville intelligente ou une maison comportant des centaines d'appareils, un système de sécurité peut disposer de 10 « outils » différents pour stopper une attaque (comme un pare-feu, un verrouillage par mot de passe ou un filtre de trafic).

L'Ancienne Méthode : Les systèmes tentaient d'apprendre le meilleur outil par essais et erreurs (comme un élève devinant les réponses à un test). Parfois, ils faisaient de mauvaises suppositions, choisissaient des outils incompatibles entre eux, ou tentaient d'utiliser trop de batterie, provoquant un crash du système.
Le Risque : Si le système choisit deux outils qui s'affrontent (comme essayer de verrouiller une porte tout en la déverrouillant simultanément), l'ensemble du système peut échouer.

2. La Solution : ASPO (Le « Cerveau » et le « Videur »)

ASPO divise la tâche en deux équipes distinctes pour garantir sécurité et rapidité :

Équipe A : Le Cerveau Créatif (Les Agents LLM)
Imaginez un groupe de consultants très intelligents et créatifs. Ils examinent la situation actuelle (par exemple : « Nous subissons une attaque par un flot de trafic factice ») et élaborent une liste de solutions possibles. Ils sont rapides et flexibles, mais peuvent être un peu « rêveurs » : parfois, ils suggèrent des idées impossibles à réaliser ou qui entrent en conflit les unes avec les autres.
- Analogie : Ils sont comme un chef suggérant un menu de plats délicieux mais potentiellement incompatibles.
Équipe B : Le Videur Strict (Le Cœur Déterministe)
C'est le garde de sécurité impitoyable qui se tient à la porte. Sa seule tâche est de vérifier le menu du chef contre un livre de règles strict. Il se demande :
1. « Avons-nous assez de batterie pour cela ? »
2. « Ces deux outils s'affrontent-ils ? »
3. « Cet outil figure-t-il même sur notre liste approuvée ? »
  Si la réponse à l'une de ces questions est « Non », le Videur jette le plan à la poubelle. Il ne laisse passer que les plans qui sont à 100 % sûrs, réalisables et exempts de conflits.
- Analogie : Le Videur s'assure que le chef ne sert pas un repas qui empoisonnerait les invités ou brûlerait la cuisine.

3. Le Livre de Règles du « Monde Fermé »

ASPO ne permet pas au « Cerveau » d'inventer de nouveaux outils sur le vif. Il dispose uniquement d'une liste spécifique et préapprouvée de 10 outils de sécurité (comme « Liste blanche », « Liste noire » ou « Journalisation sécurisée »).

Pourquoi ? C'est comme un pilote aux commandes d'un avion. Il peut prendre des décisions complexes, mais il ne peut utiliser que les boutons et les interrupteurs qui existent réellement dans le cockpit. Il ne peut pas inventer un nouveau bouton qui n'existe pas. Cela garantit que quoi que le système décide de faire, il pourra physiquement l'exécuter.

4. Qu'est-il Arrivé lors des Expériences ?

Les chercheurs ont testé ASPO sur un réseau simulé de 10 petits ordinateurs (comme des Raspberry Pi) agissant comme des passerelles de sécurité. Ils ont rejoué des milliers de cyberattaques réelles pour voir comment le système gérait la pression.

Le « Entonnoir de Sécurité » : Le système était très sélectif. Sur 1 000 tentatives pour choisir un plan de sécurité, le « Cerveau » suggérait de nombreuses idées, mais le « Videur » en rejetait 99,5 % car elles étaient dangereuses ou trop coûteuses. Seule la toute petite fraction de plans parfaits était autorisée à s'exécuter.
Le Résultat : Même si le système était très strict, il ne ralentissait pas. En fait, en filtrant les mauvaises idées dès le début, le système est devenu plus stable.
- Latence de queue : Les retards « pires cas » (les moments où le système se bloquait) ont diminué de 21,9 %.
- Énergie : La consommation de batterie « pire cas » a diminué de 23,1 %.
- Sécurité : Il y a eu zéro conflit. Le système n'a jamais tenté d'exécuter deux outils qui s'affrontaient.

5. La Grande Conclusion

ASPO prouve que l'on peut avoir un système de sécurité à la fois intelligent (utilisant l'IA pour comprendre des menaces complexes) et sûr (utilisant des règles strictes pour prévenir les erreurs).

Au lieu de laisser une IA deviner son chemin à travers une crise, ASPO permet à l'IA d'ébaucher des idées, mais impose un contrôle mathématique strict avant que quoi que ce soit ne se produise réellement. Cela garantit que même si l'IA se trompe dans sa réflexion, les actions physiques du système restent sûres, rapides et fiables, même sur de petits appareils alimentés par batterie.

En résumé : C'est la différence entre une séance de brainstorming chaotique et une pièce de théâtre bien répétée où le metteur en scène (le Videur) s'assure que personne n'oublie ses répliques ni ne brise le décor avant que le rideau ne se lève.

1. Énoncé du problème

L'expansion rapide des systèmes de l'Internet des objets (IoT) a déplacé l'application des mesures de sécurité vers des passerelles de périphérie aux ressources limitées. Bien que les approches existantes se concentrent sur la détection des attaques, le défi critique réside dans la sélection d'atténuation en temps d'exécution : décider quelles mesures de sécurité activer, comment les combiner et dans quel ordre, tout en respectant des contraintes strictes de latence, d'énergie, de mémoire et de CPU.

Les solutions actuelles font face à une incompatibilité structurelle :

Apprentissage par renforcement profond (DRL) : Offre de l'adaptabilité mais manque de raisonnement explicite et ne peut garantir une exécution sans conflits ou réalisable en termes de ressources (la sécurité n'est encodée que de manière implicite dans les récompenses).
Méthodes basées sur l'optimisation : Imposent des contraintes mais manquent du raisonnement contextuel nécessaire pour gérer des scénarios de menaces complexes et évolutifs.
Grands modèles de langage (LLM) : Fournissent un raisonnement puissant et des flux de travail multi-agents, mais produisent des sorties stochastiques qui peuvent être irréalisables, dangereuses ou violer les budgets de ressources si elles ne sont pas strictement contrôlées.

Il manque un mécanisme unifié en temps d'exécution qui combine un raisonnement agentique conscient du contexte avec une application déterministe pour garantir que les portefeuilles de sécurité sélectionnés sont toujours sûrs, réalisables et exécutables dans le cadre des contraintes de la périphérie.

2. Méthodologie : Le cadre ASPO

Les auteurs proposent ASPO, un système multi-agents auto-adaptatif fondé sur la boucle de contrôle autocratique MAPE-K (Surveiller, Analyser, Planifier, Exécuter, Connaître). L'innovation centrale est la séparation explicite de la délibération stochastique et de l'application déterministe.

A. Architecture et flux de travail

Surveiller et Analyser :
- Collecte la télémétrie brute (caractéristiques du trafic, indicateurs de ressources) depuis la passerelle de périphérie.
- Utilise un encodeur déterministe pour construire un contexte structuré et borné ( $S_t$ ) incluant la classe de menace, la sévérité, la confiance et les budgets de ressources disponibles.
Planifier (Cœur hybride stochastique-déterministe) :
- Délibération agentique (Stochastique) : Un système multi-agents LLM (agents Contexte, Raisonneur, Contrainte, Planificateur et Audit) propose des portefeuilles d'atténuation candidats basés sur le contexte structuré. Ces agents opèrent dans un format JSON contraint par un schéma mais restent stochastiques.
- Application déterministe (Contraintes strictes) : Un cœur d'optimisation local et déterministe prend les candidats du LLM et applique des contraintes strictes :
  - Appartenance au monde clos : Seuls les motifs d'un catalogue prédéfini (par exemple, Liste blanche, Segmentation, Fog sécurisé) sont autorisés.
  - Composition sans conflits : Garantit qu'aucun motif mutuellement exclusif n'est sélectionné simultanément en utilisant une matrice de conflits.
  - Faisabilité des ressources : Vérifie que le coût combiné (CPU, mémoire, latence, énergie) s'inscrit dans le budget actuel.
  - Ordre d'exécution : Détermine une séquence d'activation valide en utilisant un tri topologique basé sur des règles de précédence.
Exécuter :
- Active le portefeuille validé. Si la porte déterministe rejette la proposition du LLM (en raison de conflits ou de violations de ressources), une politique de base "fail-safe" légère est activée à la place.
Connaître :
- Maintient un catalogue en monde clos de 10 motifs de sécurité spécifiques, chacun avec des coûts, des capacités et des règles d'interaction définis.

B. Modèle de menace

Le système suppose qu'un adversaire peut manipuler les entrées de télémétrie et de contexte (par exemple, via une injection de prompt ou un empoisonnement de contexte) pour déformer le raisonnement du LLM. Cependant, comme l'action finale est déterminée uniquement par le cœur d'optimisation déterministe par rapport à un catalogue fixe et des contraintes strictes, le système garantit que même si l'étape de raisonnement est manipulée, les actions exécutées restent sûres et réalisables.

3. Contributions clés

Paradigme hybride agentique-déterministe : ASPO va au-delà de l'apprentissage pur de politiques en intégrant le raisonnement multi-agents LLM avec un cœur de validation déterministe. Cela permet une prise de décision complexe tout en empêchant les actions dangereuses ou irréalisables en temps d'exécution.
Application déterministe de la composition de sécurité : Les auteurs reformulent la sélection d'atténuation comme un problème d'optimisation en monde clos. Ils garantissent une composition sans conflits et le respect des budgets de latence/énergie comme contraintes strictes à chaque époque de décision, plutôt que comme des pénalités souples.
Validation opérationnelle sur des bancs d'essai de périphérie : Le système a été implémenté sur un banc d'essai de passerelle de périphérie distribué (10 nœuds Raspberry Pi 4) et évalué à l'aide du jeu de données Bot-IoT avec un trafic d'attaque rejoué (500 et 1000 époques de décision).

4. Résultats expérimentaux

L'évaluation a démontré qu'ASPO atteint des propriétés de sécurité invariantes et une efficacité améliorée sous l'effet de la mise à l'échelle de la charge de travail :

Application de la sécurité : La porte déterministe agit comme un filtre strict. Dans la charge de travail de 1000 exécutions, 99,5 % des plans candidats générés par le LLM ont été rejetés en raison de violations de contraintes (conflits, limites de ressources ou problèmes d'ordonnancement), ne laissant qu'un petit ensemble vérifié pour l'exécution. Cela confirme que le système privilégie la sécurité à la fréquence d'activation.
Stabilité et cohérence :
- Classement des motifs : La sélection des motifs de sécurité est restée parfaitement stable à travers les charges de travail (corrélation de rang de Spearman = 1,0), indiquant aucune dérive dans la logique de décision.
- Accord Porte-Audit : Il y a eu un accord de 100 % entre la porte déterministe et l'agent d'audit sur les plans approuvés.
Efficacité de la périphérie (Latence de queue et énergie) :
- L'augmentation de la profondeur de décision (de 500 à 1000 exécutions) n'a pas augmenté la latence médiane ni la consommation d'énergie.
- Crucialement, cela a considérablement réduit les coûts des cas extrêmes :
  - La latence P99 a diminué de 21,9 % (de 36,0 s à 28,1 s).
  - L'énergie P99 a diminué de 23,1 % (de 216 J à 166 J).
- Cela suggère qu'une exploration plus profonde permet au système de filtrer les inefficacités de "queue", conduisant à des performances plus prévisibles.
Robustesse : Le système a maintenu un comportement cohérent à travers différents types de menaces (DDoS, DoS, Botnet, etc.) et n'a montré aucun biais statistiquement significatif envers des catégories d'attaques spécifiques.

5. Signification

Ce travail comble une lacune critique dans la cybersécurité autonome pour l'IoT. Il démontre que les LLM peuvent être déployés en toute sécurité dans des environnements critiques pour la sécurité et aux ressources limitées si leur nature stochastique est contenue dans une boucle de contrôle rigoureuse et déterministe.

Passage de l'apprentissage de politiques à la délibération : ASPO reformule la défense en temps d'exécution non pas comme l'apprentissage d'une politique, mais comme la réalisation d'une délibération bornée et vérifiable.
Prévisibilité : En imposant des contraintes strictes, ASPO garantit que les passerelles de périphérie ne plantent pas ou ne deviennent pas non réactives en raison de l'épuisement des ressources, un mode de défaillance courant dans les systèmes d'IA adaptatifs.
Déploiement pratique : Les résultats prouvent qu'un raisonnement complexe multi-agents peut être intégré dans des appareils de périphérie sans sacrifier les garanties strictes de sécurité et de faisabilité requises pour la sécurité IoT réelle.

En conclusion, ASPO fournit un modèle pour une défense autonome digne de confiance, montrant que la combinaison du pouvoir de raisonnement des LLM avec le rigorisme de l'optimisation déterministe produit des systèmes à la fois adaptatifs et sûrs.