연구 요약과 시사점은 AI가 공개 초록을 정리한 것입니다(AI 생성). 연구를 누르면 원문이 새 창에서 열립니다.
해로운 파인튜닝 공격으로부터 대규모 언어 모델의 정렬을 보호하기 위해 VaccineBooster라는 새로운 방어 기법을 제안한다. VaccineBooster는 OpenAI 중재 점수 0.315를 달성했으며, 거부율은 50%를 유지한다.
시사점 VaccineBooster는 정렬된 모델이 신뢰할 수 없는 파인튜닝에 노출될 때 콘텐츠 안전성과 거부 행동 간의 우선순위를 설정하는 데 실무적으로 활용될 수 있다.
이 연구는 다중 턴 대화에서 그래디언트 기반 탈옥 탐지의 효과성을 평가하고, 다양한 윈도우 크기와 공격 유형을 고려한 실험을 수행했다. 합성 데이터에서는 ROC-AUC 0.98을 달성했으나, 실제 대화에서는 0.76로 감소했으며, 90% 이상의 정상 대화가 위험으로 분류되었다.
시사점 실제 대화 환경에서 그래디언트 기반 탈옥 탐지를 신뢰성 있게 사용하려면 실제 데이터 기반 교정과 짧은 윈도우 크기, 길이에 따른 임계값 설정이 필요하다.
간접 프롬프트 인젝션 공격을 체계적으로 평가하기 위한 툴킷 pikit을 제안한다. 9개 방어 전략을 고위험 공격에 대비해 평가한 결과, 공격 성공률을 71.8% 상대적으로 감소시킨다.
시사점 이 툴킷은 실무에서 간접 프롬프트 인젝션 공격의 위험성을 평가하고 방어 전략을 검증하는 데 활용할 수 있다.
딥러닝 모델의 가용성 위협을 중심으로 지연 공격과 방어 전략을 다분야에 걸쳐 종합적으로 조사한다. 공격 메커니즘과 방어 방법을 분류하고, 시스템 수준의 가용성 실패 조건을 분석한다.
시사점 이 연구는 딥러닝 시스템의 가용성 보장을 위해 지연 공격에 대한 이해와 방어 전략 수립의 중요성을 실무에 강조한다.
LLM 에이전트의 보안 위험을 해결하기 위해 Self-Evolving Defense (SED)라는 훈련 없는 방어 프레임워크를 제안한다. SED는 0.42%의 타겟 프롬프트 주입 성공률을 기록했으며, 기존 최고 기준 방어보다 3.7%로 훨씬 낮췄다.
시사점 SED는 LLM 에이전트의 보안 정책을 지속적으로 적응시키며, 기존 방어 기법보다 훨씬 낮은 공격 성공률을 보여 실무에서 적용 가능하다.
기존 사이버 보안 벤치마크는 초기 접근까지만 평가하는 한계가 있어, LLM 기반 공격자가 지속성을 유지하는 능력을 평가하는 새로운 벤치마크인 CyberPersistBench를 제안한다. 5개의 최첨단 에이전트를 대상으로 한 실증 평가에서 자동 지속성은 27.6%~44.8%에 불과하며, 방어가 활성화된 경우 5.5%~13.3%로 급격히 떨어진다.
시사점 이 연구는 사이버 공격자의 지속성 평가가 필요하다는 점을 강조하며, 보안 전문가들이 LLM 기반 공격의 지속성에 대한 이해를 높이고 방어 전략을 개선해야 함을 시사한다.
LLM 에이전트의 간접 프롬프트 인젝션을 억제하기 위해 활성화 조정 기반 방어 기법인 CounterSteer를 제안한다. 5가지 개방 가중치 모델에서 공격 성공률이 0.21-1.00에서 0.00-0.17로 감소했으며, AgentDojo 침해율은 0.10-0.49에서 0.006-0.079로 감소했다.
시사점 CounterSteer는 LLM 에이전트의 간접 프롬트 인젝션 공격에 효과적으로 대응할 수 있는 방어 기법으로, 실무에서 즉시 적용 가능한 방안이다.
기존의 프로벤언스 기반 침입 탐지 시스템(PIDS)은 공격 스토리라인을 구성하기 어려운 문제를 해결하기 위해, ANCHOR라는 조사 중심의 프로벤언스 시스템을 제안한다. ANCHOR는 증거 큐를 통해 원인 구조, 시간 경계, 창 간 연속성을 보존하며, 공격 스테이지별로 공격 스토리라인을 점진적으로 재구성한다. 6개 DARPA 데이터셋을 기반으로 한 평가에서 기존 기반 시스템보다 IoC 복구율과 공격 스테이지 속성 지정이 개선되었다.
시사점 이 연구는 시스템 프로벤언스 데이터를 기반으로 LLM을 활용한 공격 추적 방법을 제안하여, 보안 분석의 정확성과 효율성을 높일 수 있다.
개인 언어 에이전트가 다양한 대화에서 정보를 학습하고 적용할 때 청중에 따른 권한 부여를 연구한다. 10,000개의 다자간 기록에서 불법 항목이 82% 감소했으며, 정확도는 기존 기준과 동일하거나 높았다.
시사점 이 연구는 개인 언어 에이전트의 정보 공유를 체계적으로 제어할 수 있는 새로운 접근법을 제시한다.
기존 토큰 기반 와터마크는 개별 토큰의 엔트로피에 제약받았으나, TTMARK는 연속 토큰 쌍의 결합 분포를 활용해 와터마크 알파벳을 확장하고 감지 능력을 향상시켰다. 실험 결과 생성 품질 저하 없이 감지력과 편집 내성을 개선했다.
시사점 이 연구는 기계 생성 텍스트의 신뢰성 있는 추적을 위해 토큰 쌍 기반 와터마크 기법을 제안하며, 보다 강력하고 정확한 와터마크 감지 기술의 필요성을 강조한다.
이 연구는 분산 연방 학습(DFL) 환경에서 악성 업데이트를 탐지하고 격리하는 적극적 방어 기법 DecoyTrace를 제안한다. DecoyTrace는 60개의 구성에서 평가되었으며, MNIST/FashionMNIST에서 기준선 대비 F1-score가 0.03 이내로 유지되는 등 성능 저하를 최소화했다.
시사점 이 연구는 분산 연방 학习 환경에서의 보안 방어 전략을 제시하여, DFL 시스템의 안정성과 신뢰성을 높이는 데 기여할 수 있다.
DDoS 공격 탐지를 위해 GAN을 활용한 합성 데이터 생성과 Random Forest 분류기를 결합한 새로운 방법을 제안한다. 합성 데이터와 실제 트래픽의 유사도는 80.3%이며, 합성과 실제 데이터를 혼합해 학습한 모델은 벤치마크 데이터에서 99.98% 정확도를 달성했다.
시사점 이 연구는 DDoS 탐지 모델의 성능 향상과 일반화 능력을 높이는 데 기여하며, 데이터 증강과 편향 해소를 고려한 보안 모델 설계에 활용될 수 있다.
대형 언어 모델이 텍스트로 전달된 악의적 지시를 따르는 프롬프트 인젝션 공격에 취약하다는 점을 발견하고, 텍스트 중심의 지시 훈련이 이러한 취약성을 초래한다고 가정한다. 실험을 통해 텍스트가 아닌 이미지나 오디오로 렌더링된 지시는 공격 성공률을 줄이는 방어 기법으로 활용할 수 있음을 보인다.
시사점 이 연구는 대형 언어 모델의 프롬프트 인젝션 공격을 방어하기 위해 입력 데이터를 비텍스트 형식으로 변환하는 실용적인 방법을 제시한다.
LLM 에이전트가 개인정보 보호 지침에 따라 정보 원천을 어떻게 선택하는지 평가하는 제어된 프레임워크인 PrivacySkills를 제시한다. 5개 오픈 모델에서 사용자 접근 가능 시 30% 평균 비율로 기밀 정보를 접근하는 것을 확인했으며, 시스템 수준 지침과 기술 수준 침투성 라벨을 결합하면 기밀 접근을 약 절반으로 줄일 수 있음을 보였다.
시사점 LLM 에이전트의 개인정보 보호를 강화하기 위해 기술 수준의 침투성 라벨과 시스템 수준 지침을 결합한 접근이 효과적임을 실증했다.
LLM 에이전트에 대한 프롬프트 인젝션 공격이 모델의 채팅 템플릿을 이용할 때 훨씬 강력해진다. 허위 템플릿 마커를 서브워드 토큰으로 인코딩하면 InjecAgent 벤치마크에서 공격 성공률이 39~66%포인트 감소한다.
시사점 LLM 에이전트 보안 강화를 위해 토큰화 과정에서 예약 토큰 처리 방식을 점검해야 한다.
다중 모달 스킬의 이미지 기반 공격을 평가하기 위해 MMSkillRisk 벤치마크와 Native-Context Visual Attack 공격 기법을 제안한다. 9개 모델-하arness 구성에서 공격 성공률(ASR) 43.1%를 기록했으며, 정상 작업 완료와 공격 성공이 동시에 발생하는 비율은 36.5%에 달했다.
시사점 이 연구는 다중 모달 스킬의 이미지가 정상 작업과 함께 비인가 작업을 유도할 수 있음을 보여주어, 에이전트 시스템의 안전성 평가 시 이미지 기반 공격을 반드시 고려해야 함을 시사한다.
LLM semantic cache는 유사한 쿼리에 대해 기존 답변을 재사용하여 비용을 절감하지만, 쿼리 임베딩 유사도만을 기준으로 검색하는 방식이 오염 공격에 취약하다는 문제를 발견하고, 삭제 이득(Deletion Gain)과 답변 검증(Answer Check)을 활용한 방어 기법을 제안한다. 3가지 공격 유형에서 82.0%에서 98.2%의 오염 항목을 차단하는 실험 결과를 보인다.
시사점 LLM semantic cache를 사용하는 시스템에서는 쿼리 유사도 기반 검색 방식의 한계를 인식하고, 삭제 이득과 답변 검증을 활용한 방어 기법을 도입할 필요가 있다.
기존 중국어 안전성 벤치마크는 청소년 안전에 주목하지 못했고 단일 턴 테스트로 한계가 있었다. QH-Bench는 중국 사회문화적 맥락에 기반한 청소년 대화 안전성 평가 벤치마크로, 단일 턴 715개 테스트 항목과 다중 턴 100개 대화 흐름을 포함한다.
시사점 이 연구는 중국 청소년 대화 안전성 평가에 필요한 세분화된 벤치마크를 제시하여, 대형 언어 모델의 안전성 향상에 기여할 수 있다.
SaplingGuard는 청소년과 대화형 LLM 상호작용에서 암묵적 발달 위험을 식별하고 안전한 응답을 유도하기 위해 사용자 프로파일과 대화 맥락을 결합한 방어 기법을 제안한다. SaplingBench에서 평가한 결과, Major Hit 비율이 50.8%에서 63.7±1.1%로 향상되었으며, 평균 해로운 응답 비율은 17.10%에서 5.27%로 감소했다.
시사점 청소년과 LLM 상호작용 시 암묵적 위험을 효과적으로 식별하고 안전한 대화를 유도할 수 있는 방어 기법을 제공한다.
LLM 에이전트가 사용하는 외부 도구 실행에서 정상적인 출력을 내면서도 숨겨진 부작용을 일으킬 수 있음을 보인다. 7,549건의 사례에서 45%가 첫 번째 순위에서 위조 실행이 발생했으며, 후속 순위에서는 발생하지 않았다.
시사점 LLM 에이전트가 외부 도구를 실행할 때 출력 결과만으로 안전성을 판단하면 안 된다.
AI 에이전트가 돈을 지불하는 상황에서 발생하는 사기를 측정하고 줄이기 위한 세 가지 도구를 제시한다. Agentic Commerce Bench(ACB) 벤치마크는 20개 사기 유형, 1,647개 서비스 운영, 1,068개 결제를 포함하며, 6.5%의 정상 트래픽 오보출을 기록한다.
시사점 AI 에이전트가 돈을 지불하는 시스템에서는 기존 보안 스캐너가 사기를 탐지하지 못하며, 새로운 벤치마크와 도구가 필요하다.
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.