TwinGuard-Lite规则网关用于生成式数字孪生安全

该论文提出 TwinGuard-Lite，一种不依赖语言模型、智能体或检索器的规则型网关，用于验证生成式患者数字孪生的持久化状态更新。其核心目标是确保更新来源可信且不与其他患者记录冲突，通过近似实现两个完整性属性：接地状态一致性（GSC）和跨患者非干扰性（CPN）。 实验基于 eICU 数据库构建的半合成流，针对 20 个种子划分测试了三种攻击家族，每种子产生约 29,131 个候选更新。结果显示，仅使用关键词过滤检测 16% 的攻击，异常检测器检测 24%，而仅用来源证明的消融实验检测 59.9% 但完全漏检跨患者攻击。结合 GSC 与 CPN 后，系统达到 99.1% 的精确率、90.5% 的召回率和 94.6% 的 F1 分数，误报率为 0.033%。然而，当检索通道本身伪造可信来源时，92.9% 的检索攻击仍被放行。 事实层面，该机制是概念验证，未执行任何 AI 推理组件；推断层面，它表明在特定信任假设下，轻量级规则层可显著降低数据污染风险；猜测层面，若实际部署中传输元数据不可信，则 CPN 机制可能失效。该研究为医疗 AI 系统的认证摄入提供了机制层面的参考，而非临床级的安全保障。