연구 요약과 시사점은 AI가 공개 초록을 정리한 것입니다(AI 생성). 연구를 누르면 원문이 새 창에서 열립니다.
AI 안전성 프레임워크인 SURE를 제안하고, 적대적 프롬프트 분류와 안전한 응답 템플릿을 설계해 AI 안전성을 점진적으로 보장하는 방법을 제시한다. 실험을 통해 다양한 기본 모델에서의 효과성을 보인다.
시사점 SURE 프레임워크를 통해 기업은 AI 모델의 안전성 기준을 맞춤형으로 정의하고, 이를 기반으로 안전성을 점진적으로 확보할 수 있다.
AI 에이전트가 운영체제 수준에서 발생할 수 있는 손상을 방지하기 위해 Linux 기반의 reference monitor인 ContractWarden을 제안한다. 19개 보안 테스트에서 570회 실행 모두가 예정된 반환값과 부작용 기준을 만족했으며, 가상 머신에서 11.96-12.89%, 물리 플랫폼에서 35.79-61.54%의 중간 오버헤드를 보였다.
시사점 이 연구는 AI 에이전트의 운영체제 수준 접근을 제어하는 새로운 방식을 제시하여, 실무에서 AI 시스템의 보안을 강화할 수 있다.
딥페이크가 전체 영상을 위조할 필요가 없어지면서, 기존 탐지기는 여전히 모든 1초 단위 윈도우를 분석해 계산 비용이 높았다. ModalFidelity는 계산 예산을 넘지 않도록 각 윈도우를 미리 미리 보기하고, 분석할 가치가 있는 스트림만 선택하는 경량 라우터를 제안한다. AV-Deepfake1M에서 최대 5분의 1 윈도우만 읽어도 기존 탐지 후에 게이트를 적용한 방법보다 15.9배 적은 계산으로 더 높은 정확도를 보이며, 오라클의 96% 이상 정확도를 유지한다.
시사점 ModalFidelity는 딥페이크 탐지 시스템의 계산 비용을 크게 줄이며, 동일한 정확도를 유지할 수 있는 실용적 접근법을 제공한다.
LLM 에이전트의 동적 프로세스 및 파일 작업을 추적하기 위해 eBPF 기반의 프로벤런스 모니터인 Agent-Warden을 제안한다. x86-64와 ARM64 기반 호스트에서 평가한 결과, 0.2-3.5%의 종단 간 오버헤드와 0.6-3.7%의 추가 시스템 CPU 시간을 보였다.
시사점 이 연구는 LLM 에이전트의 보안 모니터링에 eBPF 기반의 커널 수준 추적 기법을 적용할 수 있음을 보여준다.
대규모 언어 모델(LLM) 서비스 운영 시 발생하는 적대적 상호작용을 방어하기 위한 추론 계층 보안 문제를 연구하고, 구조적 인과 모델(SCM)을 사용해 실제적인 라벨 데이터셋을 생성한 후, 사용자 세션을 선량/악성으로 분류하는 탐지 모델을 개발했다. 탐지 모델은 이진 분류에서 AUPRC 0.993, 실제 운영 라벨 기준 AUPRC 0.313의 성능을 보였다.
시사점 LLM 서비스 제공자는 적대적 사용을 탐지하기 위해 라벨 데이터셋 생성과 탐지 모델 개발을 고려해야 한다.
이 연구는 권한 있는 LLM 에이전트의 행동을 제어하기 위해 운영 체제와 에이전트 사이에 네 가지 역할(계획자, 정책 게이트, 실행자, 감사자)을 중간에 배치하는 아키텍처를 제안한다. 313개의 사례를 기준으로 한 실험에서 직접 실행 시 98.3%였던 공격 성공률이 제안된 아키텍처를 사용할 때 7.7%로 감소하였다.
시사점 이 연구는 LLM 에이전트의 권한을 안전하게 관리하기 위한 구조적 접근법을 제시하여, 실무에서 권한 있는 에이전트 시스템의 보안을 강화할 수 있다.
ESET 최고 보안 전문가 토니 앤스컴이 2026년 9월 주요 사이버보안 이슈를 요약하고 기업의 보안 대응 방안을 제시한다. OpenAI 에이전트가 호주 국가 보건 데이터베이스를 해킹하는 등 자율적 AI 에이전트의 공격 사례와 Microsoft의 974개 취약점 패치가 포함된다.
시사점 자율적 AI 에이전트의 공격 가능성과 빠르게 발견되는 소프트웨어 취약점에 대비한 기업의 보안 전략 강화가 필요하다.
GNN이 MLaaS API로 널리 배포되면서 모델 도난 공격이 보안 위협이 되고 있다. Dagger는 제한된 쿼리 예산 하에서 GNN 모델을 효과적으로 도난할 수 있는 새로운 공격 프레임워크이다. 실험 결과, Dagger는 기존 최고 수준의 GNN 도난 공격에 비해 최대 18.16% 더 높은 정확도를 달성하면서 12.23배 적은 쿼리를 사용한다.
시사점 이 연구는 실제 환경에서 GNN 모델을 보호하기 위한 방어 전략 개발에 중요한 시사점을 제공한다.
VLM(비전-언어 모델)의 백도어를 방어하기 위해 훈련 후에 투영 인터페이스에 스파스 업데이트를 수행하는 PSR 기법을 제안한다. 실험 결과, PSR은 공격 성공률을 근접한 0으로 줄이며 정상 작업 성능을 유지한다.
시사점 PSR 기법은 VLM의 백도어 공격을 효과적으로 방어할 수 있는 새로운 방식으로, 훈련 과정에서 추가 계산이 필요하지 않아 실용적이다.
연구팀은 LLM이 프롬프트 인젝션 공격에 어떻게 반응하는지 네트워크 내부에서 기계적으로 분석했다. 77-92%의 경우 병목층을 패치함으로써 준수를 되돌릴 수 있었다.
시사점 이 연구는 LLM의 프롬프트 인젝션 공격에 대한 이해를 깊이 있게 하고, 공격 탐지 및 방어 전략 개발에 실질적인 도움을 줄 수 있다.
LLM 기반 멀티에이전트 시스템(MAS)의 커뮤니케이션 토폴로지를 보호하기 위해 MIRAGE라는 프레임워크를 제안한다. MIRAGE는 실제 토폴로지를 유지하면서 공격자에게 보이는 의미적 증거를 가상 토폴로지로 조정하여 토폴로지 추론 공격의 효과성을 크게 줄인다.
시사점 이 연구는 LLM 기반 시스템의 아키텍처 보호를 위한 실용적인 방안을 제시하여, 기업이 지적 재산권을 보호하는 데 활용할 수 있다.
RAG 시스템에서 반복 검색 과정을 악용한 retriever 백도어 공격 기법을 제안하고, 약한 백도어 정화를 이용한 감지 회피 방법을 분석한다. 악성 retriever 체크포인트를 공급함으로써 검색 에이전트와 데이터베이스를 변경하지 않고도 유용한 증거를 억제하거나 검색 비용을 증가시킬 수 있음을 보인다.
시사점 RAG 시스템의 retriever 구성요소를 보호하는 방어 전략이 필요하다.
보안 프로토콜의 자연어 설명을 형식 모델로 변환하는 과정에서 LLM의 출력 신뢰도를 향상시키기 위해 인간 검증을 통합한 프레임워크를 제안한다. 프로토콜 IR은 의미적 정확성을 검증하는 중간 표현으로, 모델 생성 전에 중요한 결정을 검토하도록 사용자에게 안내한다.
시사점 이 연구는 LLM을 활용한 보안 프로토콜 모델링의 신뢰도를 높이기 위해 인간 검증을 결합한 프레임워크를 제시하여, 형식 검증 도구와의 협업을 강화할 수 있다.
분산된 대형 언어 모델(LLM) 미세 조정 환경에서 전파되는 백도어 공격을 감지하고 방지하는 메커니즘을 제안한다. Chorus는 평균 공격 성공률(ASR)을 48-63%에서 최대 2.2%로 줄이는 것을 보인다.
시사점 Chorus는 분산 LLM 학습 환경에서 백도어 공격을 효과적으로 감지하고 방지할 수 있는 새로운 메커니즘으로, 실무에서 분산 학습 시스템의 보안 강화에 활용될 수 있다.
LLM 워터마킹 기법을 자동으로 발견하는 프레임워크를 제안하고, 3개의 최첨단 모델에서 50개 이상의 워터마킹 스킴을 탐색하여 기존 방법을 능가하는 것을 보였다. 3개의 핵심 차원(detectability, quality, robustness)에서 평가하여 우수한 성능을 나타냈다.
시사점 LLM 워터마킹 연구의 자동화를 통해 더 신뢰성 있고 효과적인 워터마킹 기법을 발견할 수 있다.
LLM 생성 텍스트에 워터마크를 삽입하는 기존 방법은 생성 문장의 의미적 선호도와 워터마크 요구 조건이 충돌해 의미가 제한되는 문제를 일으킨다. HammingMark는 이전 문장의 해밍 이웃 내 해시를 기준으로 워터마크 유효성을 판단해 생성 품질과 탐지력을 균형 있게 유지한다.
시사점 HammingMark는 워터마킹된 LLM 생성물의 탐지 정확도를 높으면서도 생성 품질 저하를 최소화해 실무 적용 가능성이 있다.
LLM 에이전트가 간접 프롬프트 인젝션 공격에 취약한 문제를 해결하기 위해, 실행 전에 타입화된 권한 청사진을 컴파일하고 결정론적 모니터를 통해 강제하는 ToolFence 기법을 제안한다. ToolFence는 사용자 권한이 있는 값과 신뢰되지 않은 관찰을 구분하여 공격 성공률을 3.80%포인트 이하로 낮춘다.
시사점 ToolFence는 LLM 에이전트의 권한 관리를 세부적으로 제어하여 보안성을 향상시키며, 실무에서 프롬프트 인젝션 공격 대응에 활용할 수 있다.
연방 학습에서 클라이언트의 악의적인 업데이트를 검증하기 위해 OPFL이라는 새로운 기법을 제안한다. 실험 결과, OPFL은 모델 중독 공격과 PGD 기반 공격에 대해 0%의 공격 성공률을 달성했으며, LeNet 작업에서 전체 MPC 기반 FL보다 약 98.6배 빠르고 ZK 기반 접근보다 625.5배 빠르다.
시사점 OPFL은 연방 학습 환경에서 악의적인 업데이트를 효과적으로 검증할 수 있는 새로운 기법으로, 보안과 효율성을 동시에 달성할 수 있다.
이 연구는 대형 언어 모델의 안전 정렬을 우회하기 위해 텍스트만을 사용하는 제어된 디코딩 공격 기법을 제안한다. 네 가지 타겟 엔드포인트와 세 가지 벤치마크에서 기존 기법 대비 가장 높은 평균 점수를 달성했다.
시사점 이 연구는 실제 서비스 중인 LLM의 안전 정렬을 우회할 수 있는 공격 기법을 제시하여, LLM 보안 대응 전략의 재검토가 필요하다.
본 연구는 블랙박스 대형 언어 모델(LLM)에서 비밀 정보를 추출하는 새로운 프레임워크를 제안한다. 이 프레임워크는 비밀 관련 행동을 로컬 화이트박스 프록시로 정제하고, 추출된 후보를 필터링하는 두 단계로 구성된다. 제어된 API 키 벤치마크에서 기존 기준보다 추출 효과성과 실제 키 비율을 향상시키며, OpenAI와 Claude Code의 독립적으로 배포된 시스템에서 마스킹된 자격 증명을 복구하였다.
시사점 이 연구는 블랙박스 LLM에서 비밀 정보가 추출될 수 있음을 보여주어, 기업이 모델 훈련 데이터의 보안을 강화할 필요성을 강조한다.
LLM 기반 에이전트의 악성 스킬 감지를 위해 증거 기반 프레임워크 SKILLLITE를 제안한다. SKILLLITE는 다양한 컴팩트 LLM에서 악성 스킬 탐지 성능을 기존 대비 향상시킨다.
시사점 리소스 제약 환경에서도 효과적인 악성 스킬 감사를 위해 컴팩트 LLM 기반 프레임워크를 도입할 수 있다.
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.