연구 요약과 시사점은 AI가 공개 초록을 정리한 것입니다(AI 생성). 연구를 누르면 원문이 새 창에서 열립니다.
본 연구는 AI 에이전트가 신뢰성, 권위 등의 단서를 악용하여 승인되지 않은 행동을 유도하는 합성 사회 공학(SSE)의 운영 프레임워크를 정의했다. 시뮬레이션에서 제한된 사전 합의가 있을 때, 권위 호소는 비승인 요청을 43.3%에서 96.7%로 증가시켰다.
시사점 웹 서비스 간의 협업 시, 증거 처리 성공 여부와 관계없이 행동 선택에 대한 보안적 고려가 필요하다.
본 연구는 네트워크 정보와 위치별 DER P/Q 설정값을 사용하여 선택된 송전 통로에 열적 부하를 극대화하는 협력 최적화 기반 공격(COBA)을 소개한다. 시뮬레이션 결과, COBA는 특정 조건에서 B86 및 B51 버스에 각각 약 30% 및 55%의 과부하를 유발함을 보였다.
시사점 DER 기반 전력 시스템에서 통신 채널을 통한 공격은 단순히 전체 침투율뿐만 아니라 토폴로지, 목표 선택, 명령 능력에 따라 열적 위험을 유발할 수 있다.
본 연구는 LLM 도입 결정을 지원하기 위해 일반적인 경제 모델을 개발하고, 이를 SOC 워크플로우에 적용하여 생산성 향상과 운영 비용을 균형 있게 고려하였다. 분석 결과, 대부분의 구성은 수익성이 없었으며, 높은 정확도와 낮은 불확실성을 가진 배포에서만 수익성이 나타났다.
시사점 조직은 LLM 도입 시 정확도, 오류 비용, 모델 가격 등의 요소를 고려하여 투자 대비 수익성을 정량적으로 판단해야 한다.
연구진은 HPC 시스템에서 실행되는 LLM 에이전트의 무단 실행 및 오용을 막기 위해 하드웨어 기반의 신뢰 루트를 갖춘 결정론적 보안 런타임인 Enclawed를 개발했다. 이 시스템은 정책 기반의 실행 게이트, 서명된 하트비트 기반의 임대 부여, 그리고 감독관을 통해 공격 시도를 차단하며, 실제 모델에서 24회의 시도 중 108회의 합법적 실행을 허용했다.
시사점 HPC 환경에서 LLM 에이전트를 운영할 경우, 실행 단계에서부터 물리적/소프트웨어적 수준의 강력한 감독 메커니즘을 도입해야 한다.
본 연구는 강화학습 기반 자율 사이버 방어 에이전트의 행동을 인간의 운영 목표에 맞추는 정렬 문제를 다루고, 사전 훈련된 정책을 테스트 시점에서 예측 속성을 이용해 조정하는 적응형 접근법을 제안했다. 이 방법은 시뮬레이션 환경에서 다중 정렬 목표를 가지며 핵심 사이버 방어 성능을 유지하면서 정렬을 향상시킬 수 있음을 보여주었다.
시사점 실시간 사이버 공격 상황에서 운영 우선순위가 변할 때, 훈련 시점이 아닌 테스트 시점에서 에이전트의 행동을 조정하여 목표 정렬을 달성할 수 있다.
본 연구는 동형 암호 환경에서 근접 이웃 검색의 속도, 프라이버시, 정확도 간의 상충 관계를 해결하기 위해 Holo-NN이라는 대수적 프레임워크를 도입했다. 이 방법은 데이터베이스를 압축 홀로그래픽 센싱 행렬로 변환하고, 쿼리 시 단일 비대화형 행렬-벡터 곱셈으로 암호화된 검색을 수행한다.
시사점 Holo-NN은 FHE 부트스트래핑이나 다중 라운드 상호작용 없이도 생산급 데이터베이스에 효율적으로 확장 가능한 프라이빗 검색을 가능하게 한다.
본 연구는 상용 관성 측정 장치(IMU)의 미세한 움직임 동역학을 활용하여 개인 식별 정보 없이 연령 관련 증거를 도출하는 A-GE 시스템을 제안했다. 16세 최소 연령 임계값에서 최대 93.8%의 정확도를 달성했으며, 이는 안드로이드, iOS 및 웹에서 클라이언트 측 배포가 가능함을 보여준다.
시사점 상용 센서 데이터를 활용하여 개인정보를 보호하면서도 연령 확인을 시도할 수 있는 기술적 가능성을 제시한다.
연구진은 레이어드 방어 시스템에서 특정 구성 요소에 대한 공격을 시연하며, 토크나이저 설정 오류가 ROC 곡선 아래 면적(AUC)을 0.392에서 0.855로 변화시키는 것을 관찰했다. 이들은 각 단계의 입력 분포를 검토하여, 특정 단계가 96.82% 악성 입력에 직면했음을 밝혀냈다.
시사점 각 단계의 성능을 평가하려면 해당 단계가 받는 입력의 클래스 균형을 알아야 하며, 삭제 실험에는 대체 실험이 병행되어야 한다.
본 연구는 LLM 에이전트가 사용하는 도구 설명에 대한 공격 기법 TSA를 제안하였으며, 이는 대리 LLM 에이전트의 피드백을 통해 공격적인 도구 설명을 반복적으로 정제하여 구현한다. TSA는 최대 92.13%의 공격 성공률을 달성했으며, 이는 기존 최신 공격 기법들을 능가했고 인간 참가자도 이를 구별하지 못했다.
시사점 LLM 에이전트가 외부 도구에 의존할 경우, 공격자는 도구 설명 자체를 조작하여 에이전트를 악의적인 도구 사용으로 유도할 수 있으므로 이에 대한 방어 메커니즘 마련이 필요하다.
본 연구는 NSL-KDD, UNSW-NB15, MQTTEEB-D2025 세 데이터셋에 대해 고전적 및 양자 머신러닝 모델의 성능을 비교 분석하였다. 양자 인코딩 및 특징 선택 전략에 따라 모델 성능이 달라지며, Pegasos Quantum SVM이 정확도와 계산 비용 사이에서 균형을 제공함을 확인하였다.
시사점 침입 탐지 시 전처리 정렬이 양자 침입 탐지 구현의 성공에 중요한 역할을 한다.
본 연구는 딥 컨트라스티브 클러스터링에 대한 숨겨진 백도어 공격(HBDCC)을 제안하며, 이는 소수의 레이블 없는 훈련 샘플을 오염시켜 공격을 수행한다. 이 공격은 깨끗한 데이터에서는 정상적인 클러스터링을 유지하지만, 트리거가 포함된 입력에 대해서는 심각하게 왜곡된 클러스터 할당을 유발한다.
시사점 딥 컨트라스티브 클러스터링 모델을 사용할 경우, 훈련 단계에서의 소규모 데이터 오염 공격에 취약할 수 있으므로 이에 대한 방어 전략을 고려해야 한다.
본 연구는 사이버 공격에 취약한 ACC 시스템의 상태 정보 유출 문제를 해결하기 위해, 관측된 주행 상태가 보정된 RDC 경계를 위반할 때 복구를 활성화하는 RAT 메커니즘을 갖춘 TRACER를 제안했다. 여섯 가지 사이버 공격 시나리오에 걸친 실험에서 TRACER는 정확도, 안정성, 안전성 측면에서 기존 대비 우수한 복구 트리거링을 달성했다.
시사점 ACC 시스템의 사이버 공격에 대응하기 위해, 주행 상태의 물리적 제약 조건을 활용하여 공격 여부를 판단하고 복구 모드로 전환하는 것이 중요하다.
본 문서는 웹 개발에 사용되는 PHP의 두 가지 심각한 취약점(CVE-2026-109618 및 CVE-2026-109619)에 대해 설명한다. 패치가 적용되지 않은 서버에서 공격자가 로그인 없이도 코드를 실행할 수 있다.
시사점 PHP를 사용하는 웹사이트 운영자는 해당 취약점에 대한 패치를 적용하여 보안을 유지해야 한다.
본 문서는 Kaspersky 제품에 AI 에이전트의 위협에 대응하기 위한 탐지 및 통제 기능을 추가한 내용을 설명한다. 엔드포인트 탐지 및 대응(EDR) 솔루션과 애플리케이션/웹 컨트롤을 통해 AI 에이전트의 실행을 감지하고 통제할 수 있다.
시사점 기업 환경에서 AI 에이전트 사용 시, 엔드포인트 보안 솔루션을 활용하여 실행 행위를 모니터링하고 정책 기반으로 접근을 통제해야 한다.
본 연구는 프로토콜 구현체의 보안 테스트를 위해 Python 데이터 타입 검증 패키지를 활용하여 퍼징 도구 EVSEFuzz를 개발했다. 이 도구는 여러 오픈/클로즈드 소스 구현체를 테스트하여 두 건의 CVE를 발견했다.
시사점 EVSEFuzz와 같은 자동화된 퍼징 도구를 활용하여 EV 프로토콜 구현체의 보안 취약점을 체계적으로 검증할 수 있다.
본 연구는 보안 관련 표준 준수를 자동으로 확인하기 위해 요구사항을 측정 가능한 기술적 속성으로 변환하는 데이터 모델을 개발하고 지표 도출 방법론을 제안하였다. 이 방법론은 추상화 수준이 동등한 측정 지표를 체계적으로 개발할 수 있도록 온톨로지 기반으로 구축되었다.
시사점 보안 표준 준수 여부를 측정하기 위한 일관성 있는 지표를 개발하고 싶다면, 체계적인 도출 방법론과 데이터 모델을 구축하는 것이 필요하다.
본 연구는 자원 공유 시 신원 공격의 최소 비용이 낮아지는 신원 상각 현상을 정의하고, 이를 탐지할 수 있는 정확한 테스트를 제공한다. 또한, 실제 전화 인증 가격이나 Tor의 릴레이 제한을 적용했을 때 공격 비용이 각각 1.6배에서 4.3배까지 과대평가되거나 8%에서 72% 감소함을 분석했다.
시사점 자원을 공유하는 방어 체계의 경우, 각 신원에 할당된 비용이 아닌 실제 자원 사용량을 기준으로 방어 메커니즘을 설계해야 한다.
연구진은 실제 센서 데이터와 EPANET-MSX로 시뮬레이션한 물 공급망을 결합하고 사이버 공격 및 센서 결함을 포함하는 AquaSense-ICS 데이터셋을 구축하였다. 이 하이브리드 데이터셋을 사용하여 공격 분류 시, 무작위 분할 방식은 높은 점수를 보였으나, 누수 인지 프로토콜을 적용했을 때 최적 탐지기는 평균 AUROC 0.64를 달성하였다.
시사점 물 품질 모니터링 시스템의 공격 탐지 성능을 평가할 때는 데이터셋의 특성과 분할 방식에 따라 측정 지표가 크게 달라지므로, 현실적인 벤치마크 프로토콜을 적용해야 한다.
본 연구는 비독립적 분포(Non-IID) 데이터 환경에서 발생하는 연합 학습(Federated Learning, FL)의 기울기 정보 공유가 서버에 의한 클라이언트 레이블 세트 추론 공격에 취약함을 실험적으로 보였다. 이를 해결하기 위해 MPC(Secure Multi-Party Computation) 서버를 도입한 PPFLex를 제안했으며, 이는 기존 방식과 유사한 정확도를 유지하면서도 프라이버시 유출을 방지함을 확인했다.
시사점 분산 환경에서 모델 학습 시 기울기 정보 공유 시 발생하는 프라이버시 공격에 대비하여 MPC 기반의 보안 메커니즘을 고려해야 한다.
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.
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.