SecDT: TRDP 통신을 위한 프로파일 기반 보안 계층
TRDP 통신의 암호화 보호 부족 문제를 해결하기 위해 경량 보안 계층을 제안하고, 현대 암호 알고리즘을 기반으로 한 보안 프로파일을 구현하였다. 보안 프로파일 협상 절차를 통해 TRDP 단말 장치가 동일한 보안 프로파일을 공유하여 메시지를 처리할 수 있도록 보장하였다.
이 연구는 철도 시스템에서 실시간 TRDP 통신의 보안 강화에 기여할 수 있다.
TRDP보안 계층암호화프로파일 협상
RESEARCH
연구·리포트 참고 자료
내부 위협 조기 탐지를 위한 베이지안 상관 평형
내부 위협 탐지를 동적 베이지안 게임으로 모델링하고, 전문가 그룹의 협조를 통해 조기 탐지를 실현한다. CERT r6.2 데이터셋에서 28.3%의 사전 탐지율과 1.6% 미만의 오류율을 달성했다.
이 연구는 내부 위협 탐지 시스템 설계에 게임 이론을 적용한 사례로, 기존 방법보다 조기 탐지 성능을 개선할 수 있다.
내부 위협 탐지게임 이론동적 베이지안보안 시스템
차분 프라이버시와 Byzantine-robust aggregation을 결합한 연방 학습 프레임워크
은행과 의료 시스템에서 연방 학습을 안전하게 훈련하기 위해 차분 프라이버시와 Byzantine-robust aggregation을 결합한 새로운 프레임워크를 제안한다. 60회 의사소통 라운드에서 20개 클라이언트 중 25%가 Byzantine인 시뮬레이션에서, 일반적인 FedAvg는 소수 클래스에서 F1 점수 0.030로 붕괴되지만 제안된 프레임워크는 F1 점수 0.119를 달성하면서 각 클라이언트의 프라이버시 손실을 제한한다.
은행과 의료 시스템에서 데이터 프라이버시와 Byzantine 공격에 대한 내성을 동시에 확보하기 위해 차분 프라이버시와 Byzantine-robust aggregation을 결합한 프레임워크를 설계할 필요가 있다.
차분 프라이버시Byzantine-robust aggregation연방 학습보안 모델 훈련
8억 3천 5백만 주소 규모에서 인구 기반 그래프 스크리닝 및 라벨 없는 이전
블록체인 주소의 컴플라이언스 스크리닝을 위해 다중 체인 거래 그래프에서 주소의 위치를 기반으로 점수를 매기는 시스템을 제안한다. 8억 3천 5백만 주소와 158억 개의 엣지를 포함하는 단일 그래프를 구축하고, 0.8598 / 0.8182 / 0.9967의 재현율을 달성했다.
이 연구는 블록체인 컴플라이언스 스크리닝에서 라벨 없는 체인을 처리할 수 있는 새로운 접근법을 제시하여, 기존 방법의 한계를 극복할 수 있다.
블록체인컴플라이언스 스크리닝그래프 기반 점수라벨 없는 이전
패턴 기반 시크릿 탐지의 경계 변이 테스트: 규칙 수준 방법과 교차 스캐너 평가
패턴 기반 시크릿 스캐너의 검출 정확도를 평가하기 위해 경계 변이 테스트 방법을 제안하고, 3개 스캐너에 적용한 결과를 분석한다. 주요 대상 스캐너의 검출률은 10개 컨텍스트에서 0.9976 이상이지만 하이픈으로 끝나는 경우 0.5233로 급락한다.
시크릿 스캐너의 검출 정확도는 특정 문자열 경계에서 급격히 떨어질 수 있으므로, 규칙 수준 테스트를 통해 검증하는 것이 중요하다.
시크릿 스캐너경계 변이 테스트패턴 기반 탐지boundary-mutation testing
연방 학습에서의 프라이버시 유출: 차량 엣지 네트워크에서의 관성 센서 기반 클라이언트 식별 공격과 방어
차량 네트워크에서 연방 학습(FL)을 사용할 때 클라이언트 식별 정보가 업데이트를 통해 유출되는 문제를 분석하고, 가벼운 클리핑-노이즈 방어 기법을 제안한다. 가우시안 노이즈(sigma=0.1~0.2)를 적용하면 공격 정확도를 난수 수준으로 낮출 수 있으며, FL 정확도는 5% 미만으로 저하된다.
차량 간 통신(V2X)에서 연방 학습을 사용할 때 클라이언트 식별 정보가 유출될 수 있으므로, 가벼운 노이즈 추가 방식을 통해 프라이버시를 보호할 수 있다.
프라이버시 유출연방 학습차량 엣지 네트워크클라이언트 식별 공격
프라이버시 보호를 위한 토폴로지 가이드 안전성 확보: LLM 기반 멀티에이전트 시스템에서의 연방그래프 학습 적용
LLM 기반 멀티에이전트 시스템의 안전성을 보장하기 위해 연방그래프 학습(federated graph learning)을 활용한 FGLGuard 방식을 제안한다. FGLGuard는 각 기관이 자체 라벨 데이터로 학습한 모델 업데이트만 공유함으로써 프라이버시를 보호하면서도, 단일 도메인 가드가 다른 도메인에서 실패하는 문제를 해결한다.
이 연구는 멀티에이전트 시스템에서 프라이버시와 안전성을 동시에 달성할 수 있는 실용적인 방안을 제시하여, 기업 간 협업 환경에서의 LLM 보안 적용에 참고가 될 수 있다.
LLM멀티에이전트 시스템프라이버시 보호연방그래프 학습
최적화가 조작이 되었을 때: 생성형 검색의 GEO 공격 방어
생성형 검색 엔진을 악의적인 생성 엔진 최적화(GEO) 공격으로부터 보호하기 위해 GEO Defender라는 방어 기법을 제안한다. GEO Defender를 사용하면 평균 공격 성공률이 50.32%에서 6.20%로 감소한다.
이 연구는 생성형 검색 엔진의 신뢰성을 높이기 위한 방어 기법을 제시하여, 실제 시스템에 적용할 수 있다.
생성형 엔진 최적화GEOLLM 방어공격 방어
프라이빗 허브(PrivateHub): 대조 확산 모델을 활용한 개인 정보 보호 센서 집약 환경 데이터 생성
센서 집약 환경에서 개인 정보 보호를 위해 대조 학습 기반 확산 모델을 제안하고, 3개의 실제 데이터셋에서 개인 활동 탐지 정확도를 40~50% 감소시켰다. 비개인 활동 성능에는 영향을 주지 않았다.
센서 데이터를 활용한 서비스에서 개인 정보 보호를 강화할 수 있는 새로운 기법을 제시한다.
프라이버시확산 모델대조 학습센서 데이터
프라이버시 보호를 위한 이질적 다중 LLM 연방 추론 프레임워크
AI 기반 교육 시스템에서 프라이버시 보호와 정확한 인지 진단의 균형 문제를 해결하기 위해, 여러 상용 LLM API가 원시 학생 데이터나 프로퍼티 모델 내부에 접근하지 않고 협력하는 연방 추론 프레임워크를 제안한다. 이 프레임워크는 LLaMA-3.3-70B, GPT-4o-mini, Claude-3-Haiku 등의 이질적 다중 LLM 아키텍처를 기반으로 하며, epsilon-로컬 차분 프라이버시를 통해 각 엔티티의 예측 출력에 래플레 노이즈를 추가하고 잔차 기반 집계를 통해 모델 이질성을 완화한다.
이 연구는 AI 교육 시스템에서 학생 데이터의 프라이버시를 보호하면서도 정확한 인지 진단을 가능하게 하는 연방 추론 프레임워크를 제시하여, 교육 기술 분야의 실무자들에게 프라이버시 보호 기술 적용 방안을 제시한다.
프라이버시 보호이질적 다중 LLM연방 추론차분 프라이버시
공개 키 의존적 적대적 삭제 채널에 대한 고정 알파벳 다중 비트 의사난수 코드의 상한
공개 키에 의존하는 적대적 삭제 채널에 대해 고정 알파벳 다중 비트 의사난수 코드(PRC)의 이론적 한계를 분석한다. q=2일 때 δ>0.207334008인 모든 삭제 채널에서 PRC가 안정적이지 않음을 보인다.
이 연구는 공개 키 기반 의사난수 코드의 이론적 한계를 밝혀내어, 특정 조건 하에서의 코드 설계에 참고가 된다.
의사난수 코드적대적 삭제 채널공개 키정보 이론
차분 프라이버시 선형 질의에 대한 무작위성-유틸리티 교환 관계 극복
차분 프라이버시 기반 선형 질의 응답에서 무작위성과 유틸리티의 교환 관계를 개선한 새로운 알고리즘을 제안한다. $\ell_\infty$-오차 기준에서 $O(d / \varepsilon)$ 오차로 $d$개의 선형 질의를 처리하는 데 $O(\log d)$ 개의 무작위 비트를 사용한다.
차분 프라이버시 기법에서 무작위성과 정확도의 균형을 더 효율적으로 맞출 수 있는 알고리즘이 제안되었다.
차분 프라이버시선형 질의무작위성 효율오차 분석
권한이 언제 종료되는가? 공급자 경계에서의 효과 폐쇄
권한 취소 완료, 깨끗한 상태, 작업 성공 등이 권한이 있는 작업이 애플리케이션에서 거부하는 효과를 일으킬 수 있는 경로를 남길 수 있음을 지적하고, EFFECTBOUND라는 메커니즘을 제안하여 이를 검증한다. GitHub, Kubernetes, NATS, Kafka에서 효과 폐쇄 실패 사례를 분석하고 해결 방법을 제시한다.
이 연구는 권한 관리 시스템에서 효과 폐쇄를 보장하는 새로운 접근법을 제시하여, 실무에서 권한 취소 및 종료 시점의 보안 취약점을 방지하는 데 도움이 될 수 있다.
권한 관리보안 정책effect closureEFFECTBOUND
CodePoisonRAG: 검색 기반 코드 생성에 대한 지식 오염 공격
CodePoisonRAG는 검색 기반 코드 생성(RACG) 시스템에 대한 새로운 지식 오염 공격 기법을 제안한다. 85개의 오염된 아티팩트를 생성하여 0.7%의 코퍼스 오염 비율을 달성했으며, 공격 성공률은 0.80에서 0.93에 달한다.
이 연구는 RACG 시스템이 외부 지식 오염에 취약할 수 있음을 보여주어, 코드 생성 시 외부 자료의 신뢰성을 철저히 검증할 필요가 있음을 시사한다.
CodePoisonRAG지식 오염 공격RACG코드 생성
SPADE: 연결된 차량 관점에서의 SPaT 공격 탐지
SPADE는 차량 간 통신에서의 SPaT 메시지 무결성을 보호하기 위한 딥러닝 침입 탐지 연구를 위한 라벨이 있는 다중 모달 시뮬레이션 기반 데이터셋이다. SPADE는 6개의 공격 클래스와 1개의 정상 클래스를 포함하며, 180개의 고유 시나리오 실행을 통해 약 189만 개의 라벨이 있는 타임스텝 기록을 생성한다.
이 데이터셋은 차량 간 통신 환경에서의 침입 탐지 시스템 연구를 지원하여, 연결된 차량 보안을 강화할 수 있다.
SPADE차량 간 통신침입 탐지 시스템C-V2X 보안
가상 플레이어 시뮬레이션 모델에서의 카드 기반 계산
가상 플레이어 시뮬레이션 모델에서의 카드 기반 계산을 연구하고, Play-Minimum 및 Sorting 프로토콜을 제안한다. 이들 프로토콜은 특정 카드 게임에 독립적인 계산 원시체를 제공한다.
이 연구는 카드 기반 암호학에서 가상 플레이어 시뮬레이션 모델의 계산 능력을 이해하는 데 기여한다.
카드 기반 암호학가상 플레이어 시뮬레이션암호 프로토콜
ACLE-MCP: 원격 LLM 도구 사용 시 실행 시간 신뢰를 위한 인증된 능력 임대
OAuth만으로는 보장되지 않는 원격 LLM 도구 사용 시 실행 신뢰 문제를 해결하기 위해 ACLE-MCP라는 새로운 아키텍처를 제안한다. 제안된 아키텍처를 구현한 프로토타입을 통해 기존 방식보다 공격을 더 효과적으로 차단하는 것을 보인다.
ACLE-MCP를 도입하면 OAuth 기반 원격 LLM 도구 사용 시 발생할 수 있는 실행 신뢰 공격을 방지할 수 있다.
AI 보안OAuth인증원격 도구 사용
PrimSynth: 리눅스 커널 취약점의 공격 원리 탐지·검증·합성에 대한 에이전트 접근법
리눅스 커널 취약점의 공격 전략과 기술 간 개념적 격차를 메우기 위해 6가지 공격 원리를 체계적으로 정의하고, 이를 기반으로 PrimSynth라는 다중 에이전트 프레임워크를 제안한다. 16개 실제 취약점에서 100% 원리 일치율과 82.4% 전략 합성률을 달성했다.
이 연구는 리눅스 커널 취약점 자동화 공격 기법을 체계적으로 탐지하고 합성하는 데 기여할 수 있다.
리눅스 커널취약점공격 원리PrimSynth
기계 학습 기반 재구성 공격에 대한 좌표 암호화 포인트 클라우드 분석
선택적 좌표 암호화 방식의 보안성을 기계 학습 기반 재구성 공격에 대해 평가했다. X 좌표 전체 암호화는 재구성이 어려웠으나, 2X 방식은 인접 좌표를 통해 정확한 재구성이 가능했다.
포인트 클라우드 암호화 시 암호화 단위를 신중히 선택해야 보안성을 확보할 수 있다.
포인트 클라우드선택적 암호화기계 학습재구성 공격
스킬 정책의 은밀한 조정: 에이전트 기술(Agentic Skills)을 통한 공격
대규모 언어 모델 에이전트의 재사용 가능한 스킬이 공격에 악용될 수 있는 새로운 공격 기법 SkillShift를 제안한다. SkillShift는 81.33%와 63.33%의 공격자 선호 선택률을 달성하면서 100% 유틸리티 보존률을 유지한다.
이 연구는 대규모 언어 모델 에이전트의 스킬 공급망에서 발생할 수 있는 보안 위험을 실증하고, 스킬 정책의 행동 감사 필요성을 강조한다.
LLM 에이전트스킬 정책정책 조정보안 위험
LLM 소유권 검증: 의미 구조를 통한 PROSE 기법
LLM의 소유권을 검증하기 위해 의미 구조를 활용한 새로운 블랙박스 지문 기법 PROSE를 제안한다. PROSE는 의미 구조를 내재화하여 모델의 도메인별 결론 조직 방식을 기반으로 소유권을 검증하며, 실험에서 100%의 지문 탐지율을 기록했다.
PROSE는 모델의 내부 구조를 변경하지 않고도 소유권을 검증할 수 있어, LLM 모델의 무단 복제나 재배포를 방지하는 데 실무적으로 활용될 수 있다.
LLM 소유권블랙박스 지문의미 구조PROSE
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.