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

1. Declaração do Problema

A rápida expansão dos sistemas de Internet das Coisas (IoT) deslocou a aplicação de segurança para gateways de borda com recursos limitados. Embora as abordagens existentes se concentrem na detecção de ataques, o desafio crítico reside na seleção de mitigação em tempo de execução: decidir quais controles de segurança ativar, como combiná-los e em que ordem, tudo isso enquanto se aderem a restrições rigorosas de latência, energia, memória e CPU.

As soluções atuais enfrentam uma incompatibilidade estrutural:

• Aprendizado por Reforço Profundo (DRL): Oferece adaptabilidade, mas carece de raciocínio explícito e não pode garantir uma execução livre de conflitos ou viável em termos de recursos (a segurança é codificada apenas implicitamente nas recompensas).
• Métodos baseados em otimização: Impõem restrições, mas carecem do raciocínio contextual para lidar com cenários de ameaças complexos e em evolução.
• Modelos de Linguagem de Grande Escala (LLMs): Fornecem raciocínio poderoso e fluxos de trabalho multi-agente, mas produzem saídas estocásticas que podem ser inviáveis, inseguras ou violar orçamentos de recursos se não forem estritamente controladas.

Falta um mecanismo unificado em tempo de execução que combine raciocínio agente-consciente de contexto com aplicação determinística para garantir que os portfólios de segurança selecionados sejam sempre seguros, viáveis e executáveis sob restrições de borda.

2. Metodologia: O Framework ASPO

Os autores propõem o ASPO, um sistema multi-agente autoadaptativo fundamentado no ciclo de controle autonômico MAPE-K (Monitorar, Analisar, Planejar, Executar, Conhecimento). A inovação central é a separação explícita da deliberação estocástica da aplicação determinística.

A. Arquitetura e Fluxo de Trabalho

1. Monitorar e Analisar:
   • Coleta telemetria bruta (características de tráfego, indicadores de recursos) do gateway de borda.
   • Utiliza um codificador determinístico para construir um contexto estruturado e delimitado ($S_t$), incluindo classe de ameaça, severidade, confiança e orçamentos de recursos disponíveis.
2. Planejar (Núcleo Híbrido Estocástico-Determinístico):
   • Deliberação Agente (Estocástica): Um sistema multi-agente LLM (agentes de Contexto, Raciocinador, Restrição, Planejador e Auditoria) propõe portfólios de mitigação candidatos com base no contexto estruturado. Esses agentes operam dentro de um formato JSON restrito por esquema, mas permanecem estocásticos.
   • Aplicação Determinística (Restrições Rígidas): Um núcleo de otimização determinístico local toma os candidatos do LLM e aplica restrições rígidas:
     • Pertencimento ao Mundo Fechado: Apenas padrões de um catálogo predefinido (por exemplo, Lista Branca, Segmentação, Névoa Segura) são permitidos.
     • Composição Livre de Conflitos: Garante que nenhum padrão mutuamente exclusivo seja selecionado simultaneamente, utilizando uma matriz de conflitos.
     • Viabilidade de Recursos: Verifica se o custo combinado (CPU, memória, latência, energia) se encaixa no orçamento atual.
     • Ordenação de Execução: Determina uma sequência de ativação válida usando ordenação topológica baseada em regras de precedência.
3. Executar:
   • Ativa o portfólio validado. Se o gateway determinístico rejeitar a proposta do LLM (devido a conflitos ou violações de recursos), uma política base de "falha segura" leve é ativada em seu lugar.
4. Conhecimento:
   • Mantém um catálogo de mundo fechado de 10 padrões de segurança específicos, cada um com custos, capacidades e regras de interação definidos.

B. Modelo de Ameaça

O sistema assume que um adversário pode manipular entradas de telemetria e contexto (por exemplo, via injeção de prompt ou envenenamento de contexto) para distorcer o raciocínio do LLM. No entanto, como a atuação final é determinada exclusivamente pelo núcleo de otimização determinístico contra um catálogo fixo e restrições rígidas, o sistema garante que, mesmo que a fase de raciocínio seja manipulada, as ações executadas permaneçam seguras e viáveis.

3. Contribuições Principais

1. Paradigma Híbrido Agente-Determinístico: O ASPO vai além da aprendizagem de políticas puras, integrando o raciocínio de LLM multi-agente com um núcleo de validação determinístico. Isso permite tomada de decisão complexa, ao mesmo tempo que previne ações inseguras ou inviáveis em tempo de execução.
2. Aplicação Determinística da Composição de Segurança: Os autores reformulam a seleção de mitigação como um problema de otimização de mundo fechado. Eles garantem composição livre de conflitos e adesão a orçamentos de latência/energia como restrições rígidas em cada época de decisão, em vez de penalidades suaves.
3. Validação Operacional em Bancos de Teste de Borda: O sistema foi implementado em um banco de teste distribuído de gateway de borda (10 nós Raspberry Pi 4) e avaliado usando o conjunto de dados Bot-IoT com tráfego de ataque reproduzido (500 e 1000 épocas de decisão).

4. Resultados Experimentais

A avaliação demonstrou que o ASPO alcança propriedades de segurança invariantes e eficiência aprimorada sob escalabilidade de carga de trabalho:

• Aplicação de Segurança: O gateway determinístico atua como um filtro estrito. Na carga de trabalho de 1000 execuções, 99,5% dos planos candidatos gerados pelo LLM foram rejeitados devido a violações de restrições (conflitos, limites de recursos ou problemas de ordenação), restando apenas um pequeno conjunto verificado para execução. Isso confirma que o sistema prioriza a segurança sobre a frequência de ativação.
• Estabilidade e Consistência:
  • Classificação de Padrões: A seleção de padrões de segurança permaneceu perfeitamente estável entre as cargas de trabalho (correlação de posto de Spearman = 1,0), indicando nenhuma deriva na lógica de decisão.
  • Acordo Gateway-Auditoria: Houve 100% de concordância entre o gateway determinístico e o agente de auditoria sobre os planos aprovados.
• Eficiência de Borda (Latência de Cauda e Energia):
  • O aumento da profundidade de decisão (de 500 para 1000 execuções) não aumentou a latência mediana ou o consumo de energia.
  • Crucialmente, reduziu significativamente os custos de casos extremos:
    • A Latência P99 diminuiu 21,9% (de 36,0s para 28,1s).
    • A Energia P99 diminuiu 23,1% (de 216J para 166J).
  • Isso sugere que uma exploração mais profunda permite que o sistema filtre ineficiências de "cauda", levando a um desempenho mais previsível.
• Robustez: O sistema manteve comportamento consistente entre diferentes tipos de ameaças (DDoS, DoS, Botnet, etc.) e não mostrou viés estatisticamente significativo em relação a categorias específicas de ataque.

5. Significado

Este trabalho aborda uma lacuna crítica na cibersegurança autônoma para IoT. Demonstra que LLMs podem ser implantados com segurança em ambientes críticos para segurança e com recursos limitados se sua natureza estocástica for contida dentro de um ciclo de controle rigoroso e determinístico.

• Mudança da Aprendizagem de Políticas para a Deliberação: O ASPO reestrutura a defesa em tempo de execução, saindo da aprendizagem de uma política para realizar uma deliberação delimitada e verificável.
• Previsibilidade: Ao impor restrições rígidas, o ASPO garante que os gateways de borda não travem ou se tornem não responsivos devido ao esgotamento de recursos, uma falha comum em sistemas de IA adaptativa.
• Implantação Prática: Os resultados provam que raciocínio complexo multi-agente pode ser integrado a dispositivos de borda sem sacrificar as garantias estritas de segurança e viabilidade exigidas para segurança de IoT no mundo real.

Em conclusão, o ASPO fornece um modelo para defesa autônoma confiável, mostrando que combinar o poder de raciocínio dos LLMs com o rigor da otimização determinística produz sistemas que são tanto adaptativos quanto seguros.