연구 요약과 시사점은 AI가 공개 초록을 정리한 것입니다(AI 생성). 연구를 누르면 원문이 새 창에서 열립니다.
LLM의 안전성 판단과 행동 선택 간 차이를 측정하는 SameFact 벤치마크를 제안한다. 300개의 안전/위험 쌍을 사용해 6개 모델에서 3가지 인터페이스를 비교했으며, 개방형 행동 선택 인터페이스에서 안전성 민감도가 낮아지는 현상을 확인했다.
시사점 LLM의 안전성 평가 시 인터페이스 선택이 결과에 영향을 준다는 점을 실무에서 고려해야 한다.
대형 언어 모델 에이전트는 특정 행동이 차단되어야 한다는 판단을 내리더라도 해당 행동을 선호할 수 있다. 세 가지 오픈 웨이트 언어 모델을 통해 안전 판단과 행동 선호 간의 분리 현상이 정보 손실이 아닌 인과적 제어의 약한 연결로 설명된다.
시사점 LLM 에이전트의 안전성 향상을 위해서는 단순한 안전 판단 개선보다 판단과 행동 간 인과적 연결 강화가 필요하다.
LLM 에이전트의 비인가 디스틸레이션을 방어하기 위해 보조 행동을 삽입하는 워터마킹 프레임워크를 제안한다. 24개 디스틸된 모델을 48개 정상 모델에서 0개의 오류로 감지했다.
시사점 이 연구는 LLM 에이전트의 비인가 복제를 효과적으로 추적할 수 있는 워터마킹 기법을 제시하여, 모델 보호 및 지적 재산권 관리에 기여할 수 있다.
도구 사용 언어 모델 에이전트의 공격과 방어를 부분 관찰 상태 제어로 모델링하고, DART와 SAGE라는 공격 및 방어 기법을 제안한다. DART는 18.8~35.9%포인트, SAGE는 48.0%에서 4.0%로 공격 성공률을 감소시켰다.
시사점 도구 사용 에이전트의 보안을 강화하기 위해 상태 기반 방어 전략을 채택할 필요가 있다.
대규모 언어 모델(LLM)의 해로운 프롬프트에 대한 안전한 응답을 보장하기 위해, 기존 activation steering 기법을 다중 해로운 카테고리에 확장한 CAM-Steer를 제안한다. 실험 결과, 3가지 LLM 백본과 7가지 해로운 카테고리에서 평균 방어 성공률이 기존 방법을 초과했다.
시사점 CAM-Steer는 단일 프롬프트 내 다중 해로운 카테고리를 동시에 처리할 수 있어, LLM 배포 시 안전성 강화에 즉시 활용할 수 있다.
LLM 기반 에이전트에서 간접 프롬프트 인젝션 공격을 방어하기 위해 CoDeL이라는 새로운 방어 기법을 제안한다. CoDeL은 공격 분포를 학습 중에 재구성하면서 에이전트를 강화하는 방식으로, 기존 방어 기법보다 공격 성공률을 88.5% 감소시켰다.
시사점 CoDeL은 LLM 기반 에이전트의 간접 프롬트 인젝션 공격에 대한 방어를 실질적으로 향상시켜, AI 보안 분야의 실무 적용이 기대된다.
LLM 에이전트가 취약점을 재현하는 능력을 평가하는 새로운 벤치마크인 ReproBench를 제안한다. 30개 실제 IoT 펌웨어 취약점을 대상으로 실험한 결과, 45.3%는 취약점 시뮬레이션에 의존하고 5.3%만 실제 취약점을 성공적으로 재현했다.
시사점 LLM 에이전트의 취약점 재현 능력은 여전히 제한적이지만, ReproBench를 통해 연구 개선 방향을 도출할 수 있다.
대규모 언어 모델(LLM)에서 특정 지식을 제거하기 위해 기존 선호 최적화(PO) 기반 언러닝 방법의 한계를 보완한 RADNPO를 제안한다. TOFU와 MUSE 실험에서 RADNPO가 기존 기준보다 지식 제거 품질과 모델 유용성의 균형을 더 잘 달성하는 것을 보인다.
시사점 이 연구는 LLM에서 민감한 정보를 효과적으로 제거하는 새로운 방법을 제시하여, 보안 및 프라이버시 관점에서 실무에 활용될 수 있다.
LLM 에이전트가 권한 있는 구조적 행동을 할 때의 무결성을 보장하기 위해 새로운 방어 기법을 제안한다. 70,966개의 제재 지정과 450개의 소프트웨어 공급망 원본 데이터를 기반으로 실험을 수행하여 기존 방어 기법보다 우수한 성능을 보인다.
시사점 이 연구는 LLM 에이전트가 권한 있는 구조적 행동을 할 때의 무결성을 보장하는 새로운 방어 기법을 제시하여, AI 보안 분야에서 실용적인 적용 가능성을 제시한다.
LLM 에이전트의 소유권을 검증하기 위해 손실 없이 견고한 워터마킹 메커니즘을 제안한다. 정상 작업에는 영향을 주지 않고 소유권 정보를 신뢰성 있게 복구할 수 있다.
시사점 LLM 에이전트의 소유권을 보호하기 위해 워터마킹 기술을 적용할 수 있다.
이 연구는 기존 오디오 워터마크 제거 공격의 한계를 극복하기 위해 쿼리 없는 블랙박스 공격 기법인 DeMark를 제안한다. DeMark는 평균 0.92와 0.96의 공격 성공률을 달성하면서도 품질을 유지하는 것을 확인했다.
시사점 이 연구는 기존 오디오 워터마크 시스템의 실용적 취약점을 드러내며, 쿼리 없는 적대적 제거에 대응하는 더 견고한 워터마크 설계가 필요하다는 시사점을 제시한다.
신뢰도 기반 에지-클라우드 추론 시스템에서 가용성 공격인 GateDrain을 제시하고, Bounded Escalation이라는 방어 기법을 제안한다. 공격은 신뢰도 조작을 통해 클라우드 요청을 증가시켜 대기 시간을 악화시키며, 방어 기법은 요청 제한과 우선순위를 통해 이 공격을 완화한다.
시사점 이 연구는 신뢰도 기반 에지-클라우드 추론 시스템의 보안 취약점을 드러내고, 실무에서 해당 공격을 방어하기 위한 정책적 접근을 제시한다.
LLM 프로바이더가 사용자의 프롬프트를 기반으로 사용자를 재식별할 수 있는지 실증적으로 조사했다. PromptAnonBench라는 새로운 벤치마크를 제안하고, 텍스트 기반 방어가 적용된 경우에도 50-75%의 사용자가 재식별될 수 있음을 보였다.
시사점 LLM 사용 시 프롬프트 익명화만으로는 충분하지 않으며, 추가적인 텍스트 프라이버시 방어가 필요하다.
SecProbe는 코드 작성 에이전트의 사이버보안 취약점 인식 능력을 평가하기 위해, 항목 응답 이론(IRT)과 대규모 저장소 수준의 취약점-수리 태스크 합성 기법을 결합한 적응형 평가 프레임워크를 제안한다. 6개 프로그래밍 언어와 151개 CWE 유형을 포함한 353개 태스크를 구축하고 9개 최첨단 모델을 평가한 결과, 성공률이 최대 28.33%에 불과하여 취약점 인식 및 수리 능력에 큰 격차가 있음을 보인다.
시사점 SecProbe를 통해 코드 작성 에이전트의 취약점 인식 능력 평가를 효율적으로 수행할 수 있으며, 실무에서는 AI 모델의 보안 능력 평가 시 적응형 평가 방법을 고려해야 한다.
AI 기초 모델의 안전성 보호를 위해 실시간으로 작동하는 COGNIT-Guard를 제안한다. CPU와 NPU를 결합한 이 방식은 정확도 98.85%, 평균 지연 시간 41.63ms를 달성했다.
시사점 실시간 AI 안전성 보호 시스템 구축 시 CPU-NPU 협업 방식을 고려해야 한다.
3D 포인트 클라우드 오토인코더에 대한 배후 공격 메커니즘을 제안하고, 정보 블랙홀 원칙과 적응형 가우시안 매칭 기법을 통해 공격 제어성을 향상시켰다. ModelNet와 ShapeNetPart 데이터셋에서 정량적·정성적 실험을 통해 공격 성능을 검증했다.
시사점 이 연구는 3D 포인트 클라우드 오토인코더의 보안 취약성을 드러내어, 관련 시스템의 보안 설계에 주의가 필요함을 시사한다.
비전-언어 모델(VLM)에서 개인 식별 정보를 삭제하는 문제를 다룬다. 기존 연구는 속성 중심의 삭제를 평가하는 데 초점을 맞추었지만, 이 논문은 개인 수준의 삭제를 평가하는 새로운 벤치마크인 IDUnlearn-Bench를 제안한다. 실험 결과 속성 중심 삭제가 개인 식별 정보를 완전히 제거하지 못하는 경우가 많음을 보인다.
시사점 이 연구는 AI 모델에서 개인 정보를 완전히 삭제하기 위한 새로운 평가 기준을 제시하며, 기존 방법의 한계를 드러내어 실무에서 보다 효과적인 정보 삭제 기법 개발을 촉진할 수 있다.
보안 운영 센터는 분석가가 조사할 수 있는 경고보다 훨씬 많은 경고를 수신한다. HESP는 로컬 LLM 에이전트의 경고 분류 작업을 개선하기 위해 조사 절차를 모델 외부에 유지하는 컨트롤러를 제안한다.
시사점 HESP는 로컬 LLM 에이전트의 경고 분류 작업을 개선하여 보안 운영 센터의 효율성을 높일 수 있다.
오케스트레이션 플랫폼의 표현 계층 보안 취약점을 AI를 활용해 악용하는 방법을 제시한다. n8n의 표현 샌드박스를 3단계로 우회하는 공격을 실증하고 3개의 CVE를 보인다.
시사점 오케스트레이션 플랫폼의 샌드박스 보안 설계를 재검토하고 허용 목록 기반 정책으로 전환해야 한다.
시스템 1 모델을 기반으로 에이전트 보안 결정의 신뢰성과 교정, 선택적 자동화를 평가했다. 평가 모델은 특정 공격 그룹에서 체계적 실패를 보이며, 높은 정확도와 교정이 모든 상황에서 신뢰성을 보장하지 않는다는 것을 밝혀냈다.
시사점 에이전트 보안 결정 시 모델 정확도와 교정, 결정 정책의 행동을 종합적으로 평가해야 한다.
LLM 에이전트가 API 자격 증명을 처리하는 방식에서 발생하는 보안 위협을 분석하고, 자격 증명 노출을 방지하기 위한 보안 아키텍처를 제안한다. Corvic Security Vault를 구현하여 16개 실험에서 자격 증명이 노출되지 않았음을 보인다.
시사점 LLM 에이전트 시스템에서 API 자격 증명을 안전하게 관리하기 위해 별도의 보안 경계를 구축하고, 자격 증명 노출 경로를 제거하는 방식을 채택해야 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.