이 논문은 첨단 제조업의 복잡한 사이버-물리 공격 표면을 분석하기 위한 그래프 기반 신경-기호(neuro-symbolic) 프레임워크 'NeuroGraph'를 제안한다. 기존 텍스트 기반 대형언어모델과 검색증강생성(RAG)은 환각에 취약하고 상호연결된 위협에 대한 구조적 추론이 부족한데, NeuroGraph는 온톨로지 인식 기호 질의 생성과 지식그래프 검색, 신경망 생성 언어를 결합해 이를 보완한다. 이중 LLM 구조를 채택해 하나는 자연어 질문을 실행 가능한 Cypher 질의로 변환하고, 다른 하나는 검색된 그래프 증거만을 근거로 답변을 생성한다. 공개 사이버위협정보 벤치마크 평가에서 기존 기준 대비 추론 정확도가 향상되고 환각이 줄었으며, 다중 홉 추론 강화와 적대적 교란에 대한 견고성 개선, 분석가가 각 추론 단계를 검증할 수 있는 설명 가능성도 확인됐다.

• •제조업 사이버-물리 위협 분석을 위한 그래프 기반 신경-기호 프레임워크 'NeuroGraph' 제안
• •이중 LLM 구조: 자연어→Cypher 질의 변환 모델과 그래프 증거 기반 답변 생성 모델 분리
• •공개 CTI 벤치마크에서 기존 기준 대비 추론 정확도 향상, 환각 감소
• •다중 홉 추론과 적대적 교란 견고성 강화, 분석가 검증 가능한 설명 가능성 제공