Research Brief5시간 전 갱신

주요 연구 참고 자료

국내외 학회·저널과 기술 리포트에서 읽을 만한 논문을 골라 정리합니다.

01
클라우드-로컬 LLM 추론을 위한 역가능성 검증 de-identification 기법: DR-SL

DR-SL(Dehydrate-Rehydrate with Self-Learning loop) 기법을 제안하여 Pufferfish semantics를 기반으로 한 de-identification completeness를 정식화하고 QA probes를 통해 task-information preservation을 보장한다. 최악의 경우 벤치마크에서 누출량을 0.457에서 0.304로 감소시키고, 160개 인스턴스에서 0.000의 리터럴 누출을 달성한다.

02
IoT 앱이 벤더를 버리는 날: IoT 버려진 소프트웨어의 보안 영향

IoT 벤더가 지원을 중단한 앱이 여전히 사용자 기기에서 작동하며 보안 업데이트를 받지 않아 취약점이 남아 있는 문제를 조사했습니다. 61,500개의 Android IoT 앱을 분석한 결과, 73.6%에 보안 위험이 있었고, 상위 1,000개 앱 중 30개는 손상된 외부 엔드포인트로 데이터를 전송했습니다.

03
Python 임포트(Python import)의 실행 경계: 버그, 취약점, 분석 공백에 대한 실증 연구

Python import는 의존성을 해결하는 것 외에도 모듈 및 패키지 초기화 시 코드를 실행한다. 이 연구는 import 관련 버그와 보안 취약점을 분석하여 1,429개의 프로젝트 히스토리 버그와 31개의 취약점을 확인하고, ImportVulBench라는 228개의 수정 전/후 프로그램 데이터셋을 도출했다.

04
랜덤 부관(The Stochastic Deputy): 도구 사용 LLM 에이전트의 구조적 테넌트 격리

LLM 에이전트에서 테넌트 식별자를 모델 컨텍스트 프로토콜(MCP) 도구 스키마에서 제거하고 검증된 자격 증명으로 범위를 바인딩하는 구조적 방어 기법을 제안한다. 373회 실험에서 테넌트 매개변수를 제거하면 도구 시그니처가 범위 밖 요청을 표현할 수 없었고, 57배의 지연 비율이 측정되었다.

05
PIMENTO: 텍스트 조회를 위한 프라이버시 프레임워크

PIMENTO는 자연어, 질의, 프라이버시 정책을 관계형 데이터베이스에 매핑하여 CI와 DP 보장을 동시에 제공하는 프레임워크이다. 새로운 벤치마크에서 PIMENTO는 75.3%의 경우 최적의 질의를 선택하고, 올바른 정책 기반에서 누수를 0으로 유지한다.

About

사이버 세상의
신뢰를 만듭니다

ISSSI 보안전략연구소는 세상을 변화시키는 중심에 데이터의 이동과 신뢰가 있다고 봅니다. 사회의 다양성을 존중하면서 지속가능한 사회가 될 수 있도록, 빠르고 지속적인 개선을 통해 온라인과 오프라인의 안전 그리고 다양한 이해관계자들과 함께 긍정적 변화를 이끌어 내고자 합니다.

어디에도 속박되지 않으며 이해득실에 흔들리지 않는 기준과 독립성, 개인적 주관에 좌우되지 않고 언제 누가 보아도 인정되는 객관적 관점, 리스크를 기회로 만드는 효과적인 방법론. 이를 핵심 기준으로 어떠한 상황에서도 흔들리지 않는 조직으로서 IT 세상의 신뢰성을 제시해 나가겠습니다.