양자 랜덤 넘버 생성기(QRNG)의 엔트로피가 비트코인 프루프-오브-워크(PoW)에서의 성공 확률에 영향을 주는 방식을 분석하고, 엔트로피 효율성 요인(η)과 재부팅 다양성 지수(ρ)를 통해 양자 엔트로피의 운영 가치를 측정하는 벤치마크를 제안한다. 시뮬레이션 결과는 결정론적 및 강력한 고전적 기준선과 동등한 성능을 보이며, QRNG의 가치는 상관된 재시작 결함, 네임스페이스 재사용, 엔트로피 기원과 같은 보안 중심 시나리오에서 드러난다.
이 연구는 양자 엔트로피가 혼합형 양자-고전적 채굴 인프라에서 보안 중심 시나리오에서의 잠재적 가치를 입증하는 시뮬레이션 기반 검증 프레임워크를 제공한다.
MIMO 해독의 계산적 어려움을 격자 문제에서 유도한 Dean and Goldsmith의 증명을 이론적으로 검토하고, 그 증명의 구조적 결함을 분석하였다. 기존 증명은 MIMO 설정에서 모듈러가 아닌 특성으로 인해 LWE 증명의 핵심 구조가 적용되지 않음을 보였다.
MIMO 시스템의 물리 계층 보안에 대한 격자 기반의 계산적 어려움 증명은 기존 연구에서 제시된 방법으로는 확보되지 않음을 실무에서 고려해야 한다.
Measured Boot 시스템의 TPM 사용을 저수준에서 추적하여 독립적으로 검증하는 방법을 제안한다. Linux와 Windows에서 적용했으며, systemd 245-258 버전의 Measured Boot 사용 패턴이 넓게 분산되어 있음을 보인다.
Measured Boot 시스템의 실제 보안을 확인하기 위해 TPM 사용 추적 방법을 활용할 필요가 있다.
기존 언어 스테가노그래피가 단어 및 문장 수준의 텍스트 변형에 취약한 문제를 해결하기 위해 문장 임베딩 공간에서 작동하는 새로운 기법을 제안한다. 실험 결과, 이 접근법은 단어 및 문장 수준의 변형에도 견고하며 통계 분석에 강한 것으로 나타났다.
이 연구는 자연어를 활용한 은밀한 통신 기법의 신뢰성을 높이는 데 기여할 수 있다.
소프트웨어 보안은 인증 및 암호화와 같은 보안 기능을 통해 실현되어야 하지만, 시스템이 어떤 기능을 구현하고 어디에 있는지 파악하는 문제를 제시한다. 보안 기능 위치를 파악함으로써 개발자가 보안 구현을 이해하고 의도된 보안 속성이 실행되는지 평가할 수 있도록 한다.
이 연구는 소프트웨어 개발 과정에서 보안 기능의 위치를 정확히 파악하는 방법을 제시하여, 보안 구현의 투명성과 평가를 가능하게 한다.
가려진 중국어 SMS 메시지를 효과적으로 분류하기 위해 복원 인식형 계단식 훈련 프레임워크인 ReCAST를 제안한다. 내부적으로 구축한 실제 중국어 SMS 벤치마크에서 ReCAST는 직접 훈련된 기준 모델보다 가려짐 상황에서 분류 성능을 크게 향상시킨다.
이 연구는 실제 운영 환경에서 작동하는 소형 모델로 가려진 SMS 메시지를 효과적으로 분류하는 방법을 제시한다.
LLM 에이전트가 실행 중인 상태에서 특정 정보를 완전히 제거하는 실행 상태 언러닝 방법을 제안한다. 실험 결과, 선택적 재생(selective replay)은 전체 재시작과 구별되지 않으면서 9배 적은 토큰을 재계산한다.
이 연구는 LLM 에이전트에서 정보 삭제 시 잔여 유출을 방지하는 실용적인 접근을 제시한다.
랜섬웨어 탐지와 가족 속성 부여를 위해 다양한 모달리티 분석이 필요하지만 기존 방법은 계산 비용과 지연을 증가시킨다. 비용 인식형 계층적 멀티에이전트 시스템(HMAS)을 제안하여 정확도 96.57%, F1 0.96, ROC-AUC 0.99를 달성했으며, 분석 비용을 43.97% 절감했다.
이 연구는 랜섬웨어 분석 시 정확도와 비용을 균형 있게 조절할 수 있는 새로운 시스템을 제시하여 실무에서 효율적인 탐지 솔루션으로 활용될 수 있다.
연구팀은 전자기 주입을 통해 사이드채널 유출을 증폭하는 새로운 공격 기법을 제안하고, 비선형 하드웨어 구성요소를 이용해 비밀 신호를 전자기 신호로 변환하는 메커니즘을 이론적으로 모델링하고 실험적으로 검증했다. 30미터 이내에서 유선 및 무선 이어폰의 오디오 신호를 도청하는 InjectEave 공격을 설계하고, 스마트홈 기기의 전력 소모량과 아날로그 센서 입력값을 포함한 저주파 비밀 정보의 전자기 유출을 측정했다.
이 연구는 전자기 주입을 통해 사이드채널 공격을 새로운 방식으로 수행할 수 있음을 보여주어, 하드웨어 보안 설계 시 전자기 방해에 대한 고려가 필요하다는 시사점을 제공한다.
FHE의 메모리 병목 현상을 완화하기 위해 BXT라는 최적화 프레임워크를 제안하고, 암호문 압축, 직렬화, 지연 시드 생성, 디지트 트리밍 기술을 적용하였다. CNN 추론에서 BXT-CSO50 구성을 사용하면 100배 GPU 기준 대비 최대 3.8배 속도 향상이 가능하며, 50% 비교 정밀도에서 1% 미만의 정확도 손실이 발생한다.
이 연구는 FHE의 메모리 효율성을 개선하여 실제 적용 가능성을 높였으며, CNN 추론에서의 성능 향상을 실증하였다.
SHAP 해설 프레임워크가 악성코드 탐지에서 신뢰할 수 없다는 점을 밝히고, 정적 PE 특징 공간에서 SHAP의 한계를 실증적으로 검증했다. 실험에서 SHAP가 특징 신용을 희석시키고, 모델이 사용하지 않는 특징에 중요도를 부여하는 현상을 확인했다.
악성코드 탐지 모델의 해설을 위해 SHAP를 사용할 때는 데이터 분포와 도메인 검증을 별도로 수행해야 한다.
자격 증명 폭발력 반경을 줄이기 위해 신뢰 영역과 자격 증명 도출 구조를 최적화하는 방법을 제안한다. 최적 설계는 예상 영향을 최대 36%까지 줄일 수 있다.
실무에서는 신뢰 영역과 자격 증명 도출 구조를 최적화함으로써 자격 증명 폭발력을 줄일 수 있다.
이 연구는 블랙박스 적응형 시각 프롬프트 인젝션 공격인 Repeat-After-Me를 제안하고, 개방형 및 상용 VLM(Vision Language Model)에서 각각 80%와 47% 이상의 공격 성공률을 달성했다. 실제 OpenClaw 에이전트에서 최소한의 이미지 주입으로 TOOLS.md를 덮어쓸 수 있어 원격 코드 실행 및 비밀 유출이 가능하다.
이 연구는 VLM 기반 AI 에이전트에 대한 새로운 공격 벡터를 제시하여, 시각 프롬프트 인젝션에 대한 방어 전략을 강화할 필요성을 강조한다.
의미 검색에서 데이터 내용과 접근 패턴을 보호하는 문제를 해결하기 위해 이질적인 GPU-CPU-TEE 아키텍처를 제안한다. Hoss는 Compass 대비 최대 67배의 속도 향상을 달성하면서 높은 재현률을 유지한다.
이 연구는 GPU TEE의 대용량 개인 메모리를 활용한 새로운 무시의적 의미 검색 시스템을 제시하여, 보안과 성능의 균형을 맞추는 데 기여한다.
연방 학습에서 데이터 삭제를 효율적으로 처리하기 위해 서버가 클라이언트에게 선형 분류기를 전송하는 방식이 공격에 노출될 수 있음을 보인다. MNIST와 CIFAR-10 데이터셋에서 높은 정밀도로 라벨을 복원할 수 있음을 실험으로 입증한다.
연방 학습 시스템에서 데이터 삭제 후에도 클라이언트가 분류기 업데이트를 분석해 삭제된 정보를 복원할 수 있으므로, 서버의 전송 정밀도와 업데이트 검증을 강화해야 한다.
피싱 이메일을 연구하기 위한 새로운 합성 기업 이메일 데이터셋을 제안한다. 합성 이메일은 다양한 업무 커뮤니케이션 주제를 포함하며, 피싱 신호를 해석할 수 있도록 주석이 달려 있다.
이 데이터셋은 기업 환경에서 피싱 탐지 및 인간 취약성 연구에 활용할 수 있다.
연구팀은 180명의 미국 성인 근로자를 대상으로 LLM이 생성한 피싱 이메일의 설득력과 개인화 수준 간의 관계를 실험적으로 평가했다. 설득력 평가(0-100)와 클릭 의도 발생률(28% 증가)을 측정했으며, 추가된 세부 정보가 수신자의 역할과 루틴에 맞는 경우 설득력이 높아지는 반면, 오류나 모호한 정보는 의심을 유발하는 것으로 나타났다.
이 연구는 피싱 공격 대응 교육에서 수신자의 업무 맥락에 맞는 개인화 정보를 구분하는 능력을 강화해야 함을 시사한다.
적응형 네트워크 침입 탐지 시스템에서 모델 재학습 시 후보 모델을 기존 모델로 교체하는 승격 결정의 평가 방법을 실험적으로 분석하였다. CICIDS2017, UNSW-NB15, ToN-IoT 데이터셋에서 후보 모델의 구성 방식과 증거량을 조절한 실험으로, 2,000개 샘플로 증거량을 늘리면 정확도가 +0.53~+1.67 포인트 향상되는 것을 보였다.
네트워크 침입 탐지 시스템의 모델 교체 결정 시 후보 모델의 구성 방식과 학습 데이터량을 명시적으로 제어하고 보고해야 한다.
분할된 대형 언어 모델 훈련 시스템에서 프라이버시 평가가 실패하는 메커니즘을 분석하고, 그라디언트 패턴을 통해 데코이를 식별하는 공격 방법을 제시한다. 4,096개의 프레임에서 100%의 데코이 식별 성능을 보였으며, 추가 토큰 복원률은 +0.65~+1.50%포인트였다.
분할 LLM 훈련 시스템의 프라이버시 평가 시 반환된 그라디언트를 반드시 검토해야 하며, 클리핑과 노이징이 유일한 완화 방안임을 확인해야 한다.
이 논문은 그리스의 회계 전자 장치(FEMs)와 세금 정보 시스템(eSEND)에 적용된 블록체인 기반 무결성 메커니즘을 분석하고, 하드웨어 기반 회계 메커니즘과 순수 소프트웨어 기반 청구 인프라의 보안성을 비교한다. 분석 결과, 하드웨어 기반 회계 메커니즘은 거래의 완전성과 손상 저항성을 더 강력하게 보장하는 것으로 나타났다.
이 연구는 디지털 세금 생태계에서 거래 무결성을 보장하기 위해 하드웨어 기반 회계 메커니즘의 필요성을 강조하며, 현재의 전자 청구 프레임워크에서 개선이 필요한 아키텍처적 약점을 드러낸다.
Toy Ghouls 그룹이 2026년 7월부터 사용하는 새로운 백도어 'bird' 시리즈를 분석했다. MQTT 브로커와 Element 메신저를 C2 서버로 활용하는 두 가지 버전을 확인했다.
WinRM을 통한 배포와 C2 통신 방식을 이해하면 이 공격에 대한 탐지와 대응 전략을 수립할 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.