모델 컨텍스트 프로토콜(MCP) 생태계의 보안 취약점을 조사하고, 21,643개 서버를 대상으로 무인증 네트워크 노출 등 8가지 위협 카탈로그를 기반으로 분석했다. 9.57%의 서버가 무인증 노출되었고, 51.1%의 다중 버전 서버가 버전 간 광고 정보를 변경하는 '침묵적 드리프트'를 보였다.
MCP 생태계의 서버 등록 정보가 실제 동작과 일치하지 않는 경우가 많아, 실무에서는 등록 정보를 신뢰하지 말고 클라이언트 측 핀닝과 스캐너 우선순위 설정을 고려해야 한다.
연구팀은 22개의 최첨단 대규모 언어 모델(LLM)을 대상으로 13개의 특수 설계된 스마트 계약(9개의 기만 벡터, 4개의 제어)을 사용하여 6가지 프롬프트 전략을 통해 8,528개의 분석 가능한 실행을 수행했습니다. 적대적 기만은 안정적인 캠ouflage 기법을 통해 대부분의 모델에서 탐지가 어려웠으며, 모델은 기만된 프레임워크를 올바르게 설명하면서도 안전하다고 판단하는 경우가 있었습니다.
LLM 기반 스마트 계약 분석은 단일 실행 및 원시 바이트코드만 사용할 경우 신뢰할 수 없으며, 소스 코드 경계 확인과 도구 증강 워크플로우가 필요합니다.
AI 에이전트 기술(agent skills)에서 프롬프트 인젝션 취약점을 탐지하고 패치하는 새로운 프레임워크인 SkillSecurer를 제안한다. SkillSecurer는 100% 인젝션 탐지율을 달성했으며, 17% 이상의 기술에서 잠재적 취약점을 발견했다.
AI 에이전트 기술을 사용하는 실무자는 SkillSecurer를 통해 프롬프트 인젝션 공격을 효과적으로 탐지하고 방어할 수 있다.
LLM 에이전트의 정량화 과정에서 발생하는 보안 취약점을 분석하고, AGENTQ라는 새로운 공격 기법을 제안한다. AGENTQ는 정량화된 모델에서 최대 100%의 공격 성공률을 달성하면서 정상 기능을 유지한다.
LLM 에이전트를 정량화하여 배포하기 전에 정량화에 따른 보안 평가를 표준 절차로 추가해야 한다.
대형 언어 모델(LLM) 기반 개인 AI 에이전트에서 민감 정보가 특정 당사자에게 공개되어야 하는지 판단하는 문제를 해결하기 위해 3가지 새로운 공격을 제시하고, 정보 흐름 제어 기반 방어 기법인 FLOWSEAL을 제안한다. FLOWSEAL은 3가지 벤치마크와 5개 프롬프트 기반 기준, 8개 공격을 평가하여 유출률을 52.2%에서 0.5%로 감소시켰다.
FLOWSEAL 방식을 도입하여 LLM 에이전트의 개인정보 유출을 실질적으로 방지할 수 있다.
LLM 기반 에이전트의 지속 메모리에 악성 지시문을 심는 PMPA 공격 기법을 제안하고, 다양한 설정에서 평가하여 평균 73.7%의 주입 성공률과 55.5%의 세션 간 공격 성공률을 보인다. OpenClaw와 Claude Code에서 평가했으며, 기존 방어 기법의 한계를 드러냈다.
LLM 에이전트의 지속 메모리 관리가 중요하며, 악성 지시문 주입을 방지하기 위한 방어 기법 개발이 필요하다.
DAO 거버넌스에서 설명과 실행이 불일치하는 공격을 탐지하는 체계적인 프레임워크를 제안한다. 시뮬레이션 프레임워크를 통해 92.7%의 활성 DAO와 89.3%의 실행 제안에 대한 실행 결과를 도출했으며, 탐지기는 계층적 교차 검증에서 81.7%의 평균 정밀도와 98.3%의 평균 재현율을 달성했다.
DAO 거버넌스에서 설명-실행 불일치 공격을 효과적으로 탐지할 수 있는 프레임워크를 제공하여 보안성을 향상시킬 수 있다.
LLM에서 게이트 메모리 모듈의 취약점을 활용한 새로운 백도어 공격 기법을 제안하고, 제어된 모델에서 96.6%의 공격 성공률을 달성했다. Qwen3.8-Flash-Next 모델에서도 50.4%와 60.0%의 성공률을 보였다.
LLM의 게이트 메모리 모듈은 보안 취약점으로 작용할 수 있으므로, 모델의 보안 검증 시 해당 부분을 철저히 점검해야 한다.
기존 방어 기법은 ID, 그래프, 콘텐츠, 공동 활동에서 증거를 구축하는 반면, 이 연구는 집계된 맥락 수준 결과 분포의 왜곡을 주요 증거로 사용하는 새로운 방식을 제안한다. 히스토그램, 개수, 해상도, 참조 분포만을 관찰하고 ID는 증거가 고정된 후에 제공된다. 실험 결과, 이 방법은 ROC-AUC 0.909와 0.967을 달성한다.
이 연구는 대규모 온라인 플랫폼에서 조율된 조작을 탐지하는 데 새로운 접근법을 제시한다.
에이전트 기술(agent skills)의 보안 위험을 분석하기 위해 공개 검토 및 검색이 가능한 공격 추적 라이브러리인 SkillAtlas를 제안한다. SkillAtlas는 3,014개 사례, 6,589개 추적, 151,131단계, 233개 영향을 받은 기술, 8개 위험 범주를 포함하며, 성공 사례의 42.5%는 초기 실패 후 성공하게 되고, 추적 기반 라벨이 실행 전 보호 정확도를 0.770으로 향상시킨다.
SkillAtlas를 통해 에이전트 기술의 보안 위험을 체계적으로 분석하고, 실행 전 보호 정확도를 향상시킬 수 있다.
클라우드 환경에서 ID의 기능적 역할을 매핑하고 악성 활동을 자동 탐지하기 위해 행동 클러스터링 모델을 제안한다. 40,000개 이상의 ID를 대상으로 2개월간 분석하여 관리자, 백업 서비스, 보안 도구 등 역할을 매핑했으며, UMAP과 HDBSCAN 알고리즘을 사용한 비지도 학습을 통해 신뢰할 수 있는 행동 맵을 구축했다.
클라우드 보안 실무자는 ID의 실제 행동 패턴을 분석하여 악성 활동을 탐지할 수 있는 클러스터링 기반 방법을 도입할 필요가 있다.
하이브리드 FHE 추론에서 퍼징 기반 모델 기밀성을 해제하는 새로운 공격 기법을 제시한다. d-입력 선형 계층에 대해 d+1개의 허용 가능한 쿼리로 정확한 복원이 가능하다는 것을 보인다.
이 연구는 하이브리드 FHE 시스템에서 모델 기밀성을 보호하기 위한 퍼징 기법이 효과적이지 않다는 것을 보여주어, 보안 설계에 주의가 필요하다.
Tree-Ring 워터마킹 기법에 대한 Reprompt 공격을 Stable Diffusion XL에서 재현하고, 다양한 실험을 통해 공격의 효과성을 평가했다. 6개의 시도에서 진품 이미지는 6/6, 깨끗한 이미지는 0/6, 위조된 이미지는 5/6으로 감지되었으며, 공격당 325-332초가 소요되었다.
이 연구는 저비용 하드웨어에서도 Tree-Ring 워터마킹 기법을 효과적으로 위조할 수 있음을 보여주어, 디퓨전 모델의 의미 기반 워터마킹 보안성에 대한 재검토가 필요하다.
SLM을 로컬에 배포할 때 발생하는 컨텍스트 불필요 증가와 인지 저하 문제를 해결하기 위해 컨텍스트 세분화(context segmentation)라는 새로운 프레임워크를 제안한다. picoCTF 데이터셋을 사용한 평가에서 기존 에이전트 실행이 실패한 작업 중 18.52%를 성공적으로 해결하였다.
이 연구는 로컬 배포 SLM의 효율성을 향상시키는 방법을 제시하여, 사이버보안 CTF 작업에서의 활용성을 높일 수 있다.
사이버 사건 초기 1시간의 경찰 조치가 조사 성공에 결정적임을 강조하고, 대응을 지원하는 AI 아키텍처를 체계적으로 분류한다. 현재 벤치마크가 법 집행의 안전성과 법적 요구사항을 충족하지 못함을 보인다.
법 집행 초기 단계에서 AI 지원 시스템의 신뢰성과 법적 적합성을 보장하기 위한 새로운 평가 기준이 필요하다.
자율 AI 에이전트의 실행을 변조 추적 가능하고 재생 가능한 증거로 기록하는 NovaFabric 시스템을 제안한다. 10/10 모델 응답 재생 성공률, 0.652의 선언 스트림 완전성, 14/14 자격 증명 유형 삭제 성공률 등을 보인다.
NovaFabric은 AI 에이전트 실행의 변조 추적과 재생 가능성을 실현하여 규제 준수와 투명성을 강화할 수 있다.
Proof-of-Work(PoW) 블록체인의 라이브니스를 목표로 하는 새로운 경제적 동기 부여 거부 서비스 공격인 PDoS를 제안한다. PDoS는 블록 헤더 신호 억제와 기생 수익 추출을 결합하여 높은 수수료 또는 MEV 환경에서 블록체인 라이브니스를 방해하면서 공격 비용을 보조하고, 이로 인해 공격자가 합리적인 마이너를 중단시키기 위한 해시 파워 임계값을 낮춘다. 높은 블록 가치가 PoW 시스템의 보안을 약화시킬 수 있음을 보인다.
PDoS 공격은 높은 수익 환경에서 블록체인 라이브니스를 방해하면서 수익을 낼 수 있어, 높은 수수료 또는 MEV가 발생하는 PoW 블록체인 네트워크의 보안 강화가 필요하다.
이 연구는 이질적인 인프라 문서에서 인프라 지식베이스와 의존성 그래프를 생성하는 증거 중심의 다중 LLM 프레임워크를 제안한다. 9개 인프라 프로젝트 평가에서 엔티티 복구의 재현율이 의존성 복구보다 현저히 높고, 의존성 생성의 주요 제약은 표준 엔드포인트 해결임을 보인다.
이 연구는 인프라 의존성 모델링의 신뢰성을 높이기 위해 증거 추적성을 유지하는 다중 LLM 프레임워크를 제안한다.
분산 에너지 자원(DER) 네트워크의 사이버 공격 대응을 위해 설명 가능한 인공지능(XAI) 기반의 자기 검증 이상 탐지 프레임워크 ExCYDER를 제안한다. 실제 DNP3 데이터셋에서 98% 이상의 탐지 정확도를 달성했으며, SHAP 일관성 44.6%, SHAP 지연 14.5ms, 신뢰도 편차 5% 이내를 기록했다.
이 연구는 DER 네트워크의 이상 탐지 시스템에 신뢰성을 부여하는 XAI 기반 프레임워크를 제시하여, 보안 운영 센터(SOC)의 판단 신뢰도를 높일 수 있다.
에이전트 스킬 레지스트리의 한계를 분석하고, 실행 시 제어 기법을 제안한다. 705개 스킬이 보안 가이드라인 위반임을 발견했으며, 34.7%의 명령이 문서와 다른 결과를 초래했다.
에이전트 스킬 실행 시 레지스트리 검토만으로는 부족하며, 런타 imit 제어가 필요하다.
화학 및 재료 에이전트에서의 안전 문제를 평가하기 위해 새로운 벤치마크 ChemMat-AgentSafetyBench를 제시한다. 432개의 해로운 사례를 포함하며, 5가지 온라인 공격 기법을 통해 에이전트가 해로운 프로토콜을 생성하는 비율이 18.4%에서 26.5%에 달한다.
화학 및 재료 분야의 에이전트 안전성 평가 벤치마크를 통해 현재 방어 기법의 한계를 확인하고, 실무에서는 이러한 평가를 기반으로 방어 전략을 개선해야 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.