연구 요약과 시사점은 AI가 공개 초록을 정리한 것입니다(AI 생성). 연구를 누르면 원문이 새 창에서 열립니다.
본 연구는 기존 공격이 아닌, 합법적 답변과 유사하면서도 부정확하거나 유해한 변경을 유도하는 근접 목표 프롬프트 인젝션(Near-Target Prompt Injection)을 정의하고 NTBench를 구축했다. 평가 결과, 해당 공격은 고정 목표 공격 대비 모든 평가 모델에서 더 높은 공격 성공률을 보였으며, 언어 작업에서 부정확한 목표는 9.3~35.8%p, 유해한 목표는 1.7~17.3%p의 성공률 증가를 보였다.
시사점 기존 공격에 대한 저항성이 근접 목표 공격에 대한 저항성을 보장하지 않으므로, 견고성 평가는 목표 지향적 공격 외에도 관련 있는 부정확하거나 유해한 결과까지 고려해야 한다.
연구진은 프로토콜 변이(protocol mutation)를 통해 스마트 컨트랙트 보안 태스크를 자동화하는 CONSTRAINTDIAL 프레임워크를 제안했다. 이 프레임워크는 203개의 공개 사례로부터 3,045개의 태스크 입력을 구축했으며, 이는 기존 재구축 대비 공격 성공률을 평균 10.9%p 감소시켰다.
시사점 스마트 컨트랙트 보안 검증 시, 프로토콜 변이를 활용하여 공격 실행을 통해 태스크를 생성하고 검증하는 접근 방식이 유용하다.
연구진은 트리거 중화적 반사실적 점수(TNCS)를 제안하여 트리거가 목표 행동에 기여하는 바를 비교 분석하는 방법을 고안하였다. 이 기법은 세 가지 CodeXGLUE 작업과 다섯 가지 트리거 계열 전반에서 낮은 오염 비율에서도 높은 공격 성공률을 달성하였다.
시사점 코드 모델의 백도어 공격 시, 공격 성공률을 높이면서도 오염 비율을 낮추는 효율적인 공격 기법을 적용할 필요가 있다.
본 연구는 개별적으로는 안전한 AI 에이전트 스킬들이 조합될 때 발생하는 보안 취약점을 탐지하기 위해 스킬을 능력 흐름(capability flow)으로 추상화하고 스킬 능력 흐름 그래프(SCFG)를 구축했다. 이 방법은 13,598개의 클린 스킬을 분석하여 612개의 안전하지 않은 조합을 식별했으며, 특정 조건에서 탐지율을 85.6%까지 향상시켰다.
시사점 AI 에이전트 시스템에서 개별 컴포넌트의 안전성 검증만으로는 전체 시스템의 보안을 보장할 수 없으므로, 실행 시의 정보 흐름 분석이 필요하다.
본 연구는 실행 추적을 통해 블랙박스 에이전트의 기반 모델을 식별하는 능동적 프레임워크인 AgentTrace를 제안하였다. 이 프레임워크는 적대적 신원 속임에도 불구하고 마르코프 체인을 사용하여 96.0%의 귀속 정확도를 달성하였다.
시사점 LLM 에이전트의 출처를 식별하는 데 실행 추적 기반의 능동적 분석 기법을 적용할 수 있다.
본 연구는 Edge-Cloud 분할 추론 시 전송되는 중간 특징으로부터 서버가 민감 속성을 추론하는 공격 시나리오를 분석하고, 레이블 예산에 따른 복구 곡선을 통해 표현 수준의 프라이버시를 측정하는 프레임워크를 제안했다. 평가 결과, 보호되지 않은 파이프라인에서는 모든 속성이 누출되며, 보호 장치가 적용된 경우에도 제한된 레이블 예산으로도 전체 누출량의 75-85%를 복구할 수 있었다.
시사점 분할 멀티모달 LLM의 중간 특징 전송 시, 레이블 예산을 고려한 표현 수준의 프라이버시 측정 및 이에 대응하는 방어 기법 마련이 필요하다.
본 연구는 GELU, SiLU 등 일부 활성화 함수가 공유하는 대수적 구조를 활용하여, 비선형 활성화를 비교 검사 없이 근사하는 SPA 기법을 제안하였다. 실험 결과, SPA는 특정 조건에서 기존 방법 대비 낮은 RMSE와 높은 속도 향상을 달성하였다.
시사점 FHE 환경에서 신경망 추론 시 비선형 활성화 함수의 계산 부하를 줄이는 데 본 연구에서 제안된 구조적 근사 기법을 적용할 수 있다.
본 연구는 코드의 기능적 동등성을 유지하는 편집에도 견딜 수 있도록 표면 토큰 의존적 라우팅 대신 학습된 시맨틱 좌표를 사용하여 워터마킹을 수행했습니다. SynMark는 식별자 이름 변경이 100%에 달하는 상황에서도 CodeLlama 및 DeepSeek-Coder에서 각각 82.27% 및 83.77%의 BitAcc를 유지했습니다.
시사점 LLM이 생성한 코드의 출처를 추적하거나 무결성을 검증할 때, 코드의 표면적 변경에 강인한 워터마킹 기법을 고려해야 한다.
본 연구는 근사적 망각을 거친 LLM의 사전/사후 모델 스냅샷 접근 권한을 이용하여, 데이터에 대한 사전 지식 없이도 학습 데이터를 재구성하는 TRACE 프레임워크를 제안했다. 이 프레임워크는 임베딩 수준의 파라미터 차이에서 후보 토큰을 식별하고, 두 모델 간의 퍼플렉시티 차이를 기반으로 시퀀스를 조립하여 높은 충실도로 재구성을 달성했다.
시사점 현재 LLM 근사적 망각 배포 시, 모델 스냅샷 접근 관리가 부적절할 경우 심각한 프라이버시 침해 위험이 존재한다.
본 연구는 Wasm 애플리케이션의 런타임 이상 행위를 탐지하기 위해 정상 실행 패턴을 학습하는 LSTM 기반의 WADE를 제안하였다. WADE는 10가지 취약점 클래스를 가진 67개 Wasm 애플리케이션 데이터셋에서 제로 폴스 네거티브와 0.42%의 폴스 포지티브율을 달성하였다.
시사점 Wasm 애플리케이션의 알려지거나 새로운 공격에 대해 행위 기반으로 탐지할 수 있는 방법론이 제시되었다.
본 연구는 MCP를 사용하는 에이전트 AI 시스템이 신뢰할 수 없는 도구 출력에 의해 간접적인 프롬프트 인젝션 공격에 취약함을 입증하고, HMAC 인증 레이블과 출처 원장을 결합한 디코드 시점 출처 바인딩을 제안한다. 이 기법은 공격이 가해진 파이프라인에서 100% 공격 성공률을 보이는 취약한 파이프라인을 차단하여 모든 공격을 막아냈다.
시사점 에이전트 AI 시스템에서 신뢰할 수 없는 입력이 들어올 경우, 디코드 시점에 출처를 검증하고 신뢰도를 추적하는 메커니즘이 필요하다.
본 연구는 에이전트가 작업을 완료하는 데 필요한 최소 권한 부여가 상호 배타적인 경우를 검토하며, Microsoft Graph 및 Google API의 권한 부여 테이블을 분석했습니다. 분석 결과, 특정 작업의 경우 최소 권한 부여가 상호 배타적인 상태를 형성하며, 이는 권한 부여 시스템의 비교에 어려움을 있음을 보여줍니다.
시사점 권한 부여 시스템은 에이전트가 선택한 최소 권한 부여와 그 대안들을 함께 보고하여 승인자가 검토할 수 있도록 해야 한다.
본 연구는 AI 에이전트를 활용하여 웹 애플리케이션의 취약점 익스플로잇을 합성하는 Ulysses라는 다중 에이전트 보안 하네스를 제안했다. 이 Ulysses는 25개의 실제 웹 애플리케이션 취약점 사례 중 10개에 대해 검증된 증명을 생성했으며 4개의 새로운 익스플로잇 증명을 발견했다.
시사점 AI 에이전트를 활용하여 웹 애플리케이션의 취약점을 자동으로 발견하고 그 익스플로잇의 실행 가능성을 검증하는 접근법이 가능하다.
본 연구는 텍스트, 이미지, 오디오, 비디오 등 35개 이상의 이질적 소스에서 추출한 183k 개 이상의 샘플을 사용하여 다중 모드 안전 가드레일 평가 프레임워크인 Omni-UBench를 구축하였다. 이 벤치마킹 결과, 최신 OLLM은 가드레일 없이도 상당한 콘텐츠 조정 능력을 보이지만, 기존 가드레일들은 교차 모드 공격이나 정교한 탈옥 시도에 취약함을 발견하였다.
시사점 다중 모드 LLM의 안전성을 검증하려면 안전성, 유용성, 신뢰성 차원을 포괄적으로 평가하는 종합적인 벤치마크가 필요하다.
연구진은 공격적인 질의에 대해 안전 가드레일이 입력의 마지막 완전한 작업에 근거하여 판단한다는 점을 이용하여 '타겟 리바인딩'이라는 공격 기법을 고안했다. 이 기법을 GuardRebind 벤치마크에 적용했을 때, 특정 가드들은 공격 가족에 따라 플래그 지정된 항목의 최소 93%를 우회할 수 있었다.
시사점 LLM 안전 가드레일은 입력의 마지막 부분에 붙이는 조작된 구조를 통해 우회될 수 있으므로, 가드 모델의 판단 근거를 명확히 하는 것이 중요하다.
연구진은 SOCMINT와 Cyber-HUMINT를 통합하고 LLM을 증강한 다중 에이전트 파이프라인을 구축하여 대상의 프로파일링 정확도와 사회 공학 공격에 대한 취약성을 측정했다. 이 프레임워크는 추출 정확도 F1 = 97.3%, 추론 속성 점수 4.73/5를 달성하며, 이는 기존 규칙 기반 및 NER 기반 방식보다 우수함을 보였다.
시사점 이 프레임워크는 방어자들이 공격자가 자신을 평가하기 전에 자신의 노출도를 가늠할 수 있도록 돕는다.
본 연구는 기존 탐지 데이터셋의 한계를 극복하기 위해 설득적 피싱 공격에 대한 LLM 이메일 에이전트의 취약성을 평가하는 AgentPhishing 벤치마크를 개발했다. 평가 결과, 9개 에이전트 중 4개는 피싱 탐지율이 10% 미만이었으며 악성 요청 준수율은 45%를 상회했다.
시사점 에이전트의 안전성을 기존 피싱 평가만으로 추론하는 것은 한계가 있으며, 에이전트의 설득적 악성 요청 대응 능력을 평가해야 한다.
본 연구는 LLM 에이전트가 외부 메모리에서 정보를 삭제해도 후속 상호작용을 통해 정보가 복구될 수 있는 취약점을 AfterDeleteBench를 통해 검증했다. Qwen2.5-7B-Instruct의 경우, 단일 질의로 약 3분의 2의 경우에 삭제된 비밀 정보를 복구할 수 있었으며, 이는 완전한 복사본 없이도 성공했다.
시사점 정보의 삭제는 단순히 저장소에서의 삭제 작업이 아닌, 에이전트와 메모리 시스템 수준에서 행동적으로 평가되어야 한다.
연구진은 29가지 공격 시나리오와 감사/애플리케이션/네트워크 로그를 통합한 새로운 벤치마크를 구축하고, 각 샘플에 단계별 증거 사슬을 주석 처리했다. 이 벤치마크를 사용하여 평가한 결과, 현재 LLM들은 증거가 제공될 때 공격 진행 추론에서 최대 정확도 44.44%, Macro-F1 점수 45.07%를 보였다.
시사점 LLM 기반 로그 분석의 신뢰성을 높이기 위해서는 공격 추론의 정확도뿐만 아니라 추론 과정 자체의 품질을 함께 검증해야 한다.
본 연구는 조사 계획, 증거 해석, 보고를 수행하는 멀티모달 에이전트와 이진/객관식 작업을 처리하는 전문화된 의사결정 모델을 결합한 ReDence라는 오픈소스 하이브리드 프레임워크를 제시하였다. 이 프레임워크는 12가지 SE 사기 범주에서 96%의 탐지 정확도를 달성했으며, 기존 탐지기보다 빠르면서도 조사 깊이를 유지하였다.
시사점 분석가들은 ReDence를 활용하여 구조화되고 증거 기반의 보고서를 생성하고, 탐지 결정을 독립적으로 감사하며 후속 조치를 지원할 수 있다.
본 연구는 모멘텀 통합 기울기와 합의 직교 분해를 결합한 MIG-COW라는 새로운 적대적 공격 프레임워크를 제안하여 시각적으로 인지하기 어려운 적대적 예를 생성한다. AADD-2025 벤치마크에서 백박스 공격 성공률 99.96%를 달성했으나, 공식 블랙박스 대상에 대한 공격 성공률은 7.16%에 그쳤다.
시사점 적대적 공격의 전이성(transferability)은 공격 성공률을 결정하는 중요한 요소이며, 공격 대상 모델의 특성을 고려해야 한다.
본 페이지의 연구 요약은 공개된 초록을 AI가 한국어로 정리한 것으로, 원문과 차이가 있을 수 있습니다. 정확한 내용은 반드시 원문을 확인하십시오. 본문과 PDF는 제공하지 않으며, 모든 저작권은 각 저자와 발행처에 있습니다.