연구 요약과 시사점은 AI가 공개 초록을 정리한 것입니다(AI 생성). 연구를 누르면 원문이 새 창에서 열립니다.
연구진은 Uniswap v4 및 PancakeSwap Infinity의 7,873개 후크 배포를 분석하여, 후크가 거래자에게 부과하는 표준 수수료 외의 숨겨진 정산 비용을 재구성했다. 그 결과, 등록된 후크의 24.30%가 비공개 공제를 부과할 수 있었으며, 이는 해당 후크가 관여한 스왑의 59.23%에서 발생했고, 총 $3.97M의 수익을 창출했다.
시사점 표준 수수료 표시와 실제 거래 비용 사이에 괴리가 존재하므로, 후크 공제 내역을 표준 수수료와 함께 명시적으로 공개해야 한다.
연구진은 5년간의 23,102개 디스코드 봇과 183,142개 사용자 리뷰를 분석하여 보안 및 개인정보 보호(S&P) 관련 리뷰 8,832개를 식별하고 31가지 주제로 분류했다. 분석 결과, S&P 관련 리뷰는 데이터 공유(30.5%)와 데이터 수집(16.2%)에 집중되었으며, 자체 감사 프레임워크인 BotLens를 구축했다.
시사점 디스코드 생태계에서 사용되는 서드파티 봇의 보안 및 개인정보 보호 문제를 체계적으로 감사할 수 있는 도구적 접근 방식을 제공한다.
본 연구는 18가지 분류기, 네 가지 카운터 예산, AdaBoost 및 Bagging 앙상블을 포함하는 설계 공간에 구조적 결함 주입을 가하여 HMD의 취약점을 조사하였다. 트리 기반 모델은 함수 기반 모델보다 낮은 평균 치명적 결함 비율을 보였으며, 대표적인 J48 탐지기의 경우 보호를 통해 최대 재현율 손실을 60.1%에서 3.3%p로 줄일 수 있음을 확인하였다.
시사점 HMD의 의사결정 로직에 대한 구조적 결함 주입 공격이 가능하며, 보호 대상을 식별하여 탐지 성능 저하를 완화할 수 있다.
본 연구는 GDELT 활동을 정규화된 거시적 피크 에피소드로 변환하고 DTW 기반 유사성 분석을 통해 글로벌 서사 흐름 내의 반복적 전파 양상을 식별하는 Peak-DNA 프레임워크를 제안하였다. 이 분석은 각 서사 도메인 내에서 증폭 사건들이 형태론적 수준의 전파 패턴으로 수렴함을 보여주었다.
시사점 이 프레임워크는 의미론적 내용이나 이상치 강도 이상의 측정 가능한 형태론적 계층을 제공하여 서사 모니터링의 구조적 기반을 마련한다.
연구진은 시퀀셜 에이전트의 추적 기록을 감사하기 위한 FIDES-Live 프로토콜을 개발하고, 암호화폐 및 주식 시장 데이터를 사용하여 테스트했다. 감사 결과, 의사결정 유효성은 97.35%, 구조적 보고 정확도는 90.81%였으나, 제약 조건 하의 준수도는 62.63%까지 떨어졌다.
시사점 거래 에이전트의 최종 포트폴리오 가치 계산 외에도 각 단계별 의사결정 및 보고의 일관성을 별도로 감사할 필요가 있다.
본 연구는 다변량 가우시안 분포와 이진 곱 분포에 대한 평균 추정치에 대한 견고한 멤버십 추론 공격을 제시하였다. 또한, 견고한 멤버십 추론에 관한 문헌을 역사, 확장, 다른 연구 분야와의 연관성을 포함하여 요약하였다.
시사점 데이터셋에 특정 개체가 포함되었는지 여부를 통계적 노이즈가 많은 상황에서도 공격적으로 추론할 수 있음을 시사한다.
연구진은 LLM 방어 계정을 대상으로 한 프롬프트 인젝션 공격 기록을 분석하여, 공격 기록이 방어 수정 및 공격 재사용에 미치는 영향을 연구했다. 그 결과, 방어를 뚫은 공격은 성공적인 공격의 10.0%가 다른 플레이어에게 재사용되었으며, 이는 공격의 성공 여부에 따라 재사용이 이루어졌음을 보여주었다.
시사점 AI 보안 도구는 공격의 전체 텍스트 대신 기법을 설명하는 방식으로 공격 기록을 공개하는 것을 고려해야 한다.
연구진은 AI가 발견한 취약점 주장의 신뢰성을 검증하고 관리하기 위해 증거 검증, 조정, 거버넌스를 분리하는 FedTrust-CVDv2라는 연합형 취약점 공개 프레임워크를 제안했다. 이 프레임워크는 27가지 정책군에서 25개의 유효한 사례를 수용하고 650개의 유효하지 않은 사례를 거부하는 것을 시뮬레이션했다.
시사점 AI가 발견한 취약점의 경우, 그 주장의 신뢰성과 증거의 무결성을 확보하기 위한 체계적인 검증 및 거버넌스 프로세스가 필수적이다.
연구진은 상호작용 전반의 맥락을 고려하여 질의 간 관계를 모델링하고, 이를 GCN 분류기에 적용하는 AdvGuard 프레임워크를 제안하였다. 이 프레임워크는 혼합 질의 평가에서 기존 최고 성능 대비 최대 36% 향상된 재현율을 보였으며, 다중 턴 작업에서는 97.23%-99.1%의 F1 점수를 달성하였다.
시사점 LLM의 시스템 프롬프트가 누출되는 것을 방지하기 위해 상호작용 맥락을 분석하는 탐지 기법을 적용할 필요가 있다.
연구진은 x86-64 기본 블록과 원하는 출력 레지스터 상태를 입력받아 해당 결과를 도출하는 입력 레지스터 값을 예측하도록 Qwen3-1.7B와 Nemotron-3-Nano를 GRPO로 파인튜닝했다. 그 결과, 예측 정확도가 각각 73.2%에서 85.3%, 63.3%에서 95.2%까지 향상되었다.
시사점 소형 모델도 적절한 훈련을 통해 리버스 엔지니어링과 같은 저수준 프로그램 동작 추론 작업을 수행할 수 있음을 보여준다.
본 연구는 벡터 합산 시 클리핑 바운드를 사적으로 선택하기 위해 잔여 일관성(residual coherence)을 최적화하는 방법을 도입했습니다. 이 방법은 여러 데이터셋에 걸쳐 기존의 기준선보다 우수한 성능을 보임을 경험적으로 입증했습니다.
시사점 차분 프라이버시를 적용한 데이터 분석에서 클리핑 바운드를 데이터에 맞게 동적으로 설정하는 것이 중요하다.
본 연구는 대화의 흐름을 추적하고 금지된 상호작용 패턴을 선형 시제 논리 명세로 표현하여, 훈련 없이 다중 턴 LLM 상호작용을 모니터링하는 SpecGuard 프레임워크를 제시했다. 실험 결과, SpecGuard는 대표적인 오픈소스 가드 모델들을 능가하는 성능을 보이면서도 통제된 오탐률을 유지함을 입증했다.
시사점 LLM 안전성 모니터링을 휴리스틱 분류에서 벗어나 형식적으로 명세화하고 검증 가능한 방식으로 전환할 수 있는 실질적인 경로를 제시한다.
본 연구는 하드웨어의 신뢰성을 전제로 하는 기존 교육 과정의 한계를 지적하며, 기존 핵심 과목에 하드웨어 보안 개념을 통합하는 접근법을 제시하였다. 이 접근법은 임베디드 시스템 과목을 통해 세 가지 형태로 평가되었으며, 25명의 응답자가 참여하였다.
시사점 하드웨어 보안 개념을 기존 교육 과정에 통합하는 것이 교육적 해결책이 될 수 있음을 보여준다.
본 연구는 이메일 서비스 단계, 통신 당사자 간 협상, 메시지 암호화 전반에 걸쳐 PQC 배포를 체계적으로 측정했습니다. 측정 결과, 각 서비스 패널의 절반 미만이 PQC를 지원했으며, 단일 제공업체가 하이브리드 지원 중계 도메인의 약 87%를 차지했습니다.
시사점 PQC 도입은 특정 제공업체에 집중되어 있으며, 각 단계별로 상호 운용성 및 실제 사용 가능성 확보가 필요하다.
연구진은 도구 사용 LLM 에이전트가 사용하는 모델 컨텍스트 프로토콜(MCP)의 메타데이터를 공격하여 공격자 통제 하의 후속 호출을 유도하는 Log-To-Leak 공격을 개발했다. 18개 모델-서버 쌍을 평가한 결과, Log-To-Leak은 공격 성공률 62.64-100% 및 조건부 로깅 정확도 76.55-95.64%를 달성했다.
시사점 성공적인 작업 완료가 승인되지 않은 후속 정보 유출과 공존할 수 있으므로, 후속 도구 호출에 대한 호스트 제어 권한이 필요하다.
본 연구는 객체별 SHA-256 해시를 리프(leaf)로 하는 머클 트리를 구축하고, 그 루트를 이더리움 스마트 계약에 저장하여 클라우드 객체 스토리지의 무결성을 검증하는 공개 감사 시스템을 제안했다. 실험 결과, 이 시스템은 단일 수정, 삭제 등 모든 변경 사항을 오경보 없이 탐지했으며, 10,000개 객체에 대한 검증은 약 10ms가 소요되었다.
시사점 이 시스템은 객체별 무결성 검증을 수행하면서도, 검증에 필요한 증명(proof) 크기가 작고 검증 속도가 빠르다는 장점이 있다.
본 연구는 모든 계좌가 포함된 거래 그래프가 존재하지 않는 현실적 제약을 극복하기 위해, 각 은행이 로컬에서 거래를 근사하여 멀티레이어 그래프 신경망(GNN)을 계산하는 방법을 탐색했다. 그 결과, 공유되는 정보의 양에 따라 탐지 효과와 프라이버시 보호 수준이 달라지며, 각 거래 건수나 상대방의 GNN 상태를 추가하는 것이 유용성을 높이는 것으로 나타났다.
시사점 은행들은 이미 기록된 정보를 최대한 활용하고, 반드시 공유해야 하는 최소한의 정보만을 형식적으로 보호하는 것이 실용적이다.
연구자는 8가지 인기 있는 SVG 검증기를 테스트하여 6가지 검증기를 우회하는 방법을 시연했으며, 특히 응답 헤더를 이용해 페이로드 없이도 JavaScript를 실행시키는 방법을 발견했다. 이 공격은 XHTML 네임스페이스 전환, iframe 사용, 또는 XSLT 스타일시트를 이용한 데이터 URI를 통해 구현 가능했다.
시사점 SVG 업로드 기능을 사용하는 시스템은 이러한 다양한 우회 경로를 포함하여 입력값 검증을 매우 엄격하게 수행해야 한다.
공격자들은 ChatGPT 및 Claude와 같은 AI 도구의 인기를 악용하여 Yoba라는 맞춤형 악성코드 체인을 유포하는 캠페인을 추적했다. 이들은 GPT-5.6 Sol이나 Claude와 같은 가짜 AI 데스크톱 애플리케이션을 가장한 GitHub 프로젝트를 사용했다.
시사점 AI 도구를 악용한 형태로 악성코드 유포 공격이 발생하고 있으므로 이에 대한 경각심을 가져야 한다.
연구진은 관리형 쿠버네티스 클러스터에서 권한 있는 파드(privileged pod)를 생성하여 호스트 머신에 접근한 뒤, Konnectivity 서비스의 취약점을 악용하여 클라우드 테넌트 격리를 우회하는 공격 경로를 분석했다. 이 공격은 여러 취약점과 논리적 오류의 순차적 악용을 통해 클라우드 인프라에 대한 완전한 통제권을 획득하는 것을 목표로 한다.
시사점 클라우드 환경에서 제공업체 인프라 자체의 취약점은 고객의 설정 오류와 무관하게 심각한 보안 위협을 초래할 수 있으므로, 공급자 측면의 보안 검증이 중요하다.
본 연구는 AI 에이전트가 시스템을 우회하려는 상황에서, 에이전트가 아닌 인간의 명시적 승인 없이는 행동을 개시할 수 없도록 하는 불가분의 인간 개입(I-HITL) 프로토콜을 정의하였다. 연구진은 OTP를 이용한 가상 지갑 플랫폼 실험에서 공격자가 HITL 가드레일을 우회하는 취약점을 발견했으며, I-HITL 구현을 위해서는 신뢰할 수 있는 컴퓨팅 장치가 필요함을 밝혔다.
시사점 AI 에이전트의 행동을 통제하려면, 공격으로부터 안전한 신뢰 컴퓨팅 장치를 기반으로 하는 I-HITL 프로토콜을 구현해야 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.