LLM을 활용한 정적 분석 프레임워크인 BadQubits를 제안하고, 1,500개의 퀀텀 회로 데이터셋을 사용해 92.67%의 분류 정확도와 96.1%의 해로운 회로 재현율을 달성했다. 토큰 수준의 순차적 구조를 유지한 LLM이 기존 CNN 기반 방법보다 해로운 회로 탐지 성능이 우수하다는 것을 보였다.
퀀텀 컴퓨팅 환경에서 실행 전에 해로운 회로를 효과적으로 탐지할 수 있는 LLM 기반 정적 분석 프레임워크를 개발하여, 퀀텀 컴퓨팅 시스템의 보안 강화에 기여할 수 있다.
이 연구는 시노드 디코딩 문제에 대한 대수적 접근을 제시하며, 해밍 가중치 제약 조건을 재정의하고 정보 집합 디코딩 패러다임과 통합하는 방법을 제안한다. 실험적으로 이 접근법의 실현 가능성을 평가하고, 그로브너 기저 기법의 실제 동작을 분석한다.
이 연구는 대수적 접근을 통해 시노드 디코딩 문제를 해결하는 새로운 전략을 제시하여, 암호 분야에서의 해밍 코드 분석에 기여한다.
LLM 에이전트 세션에서 개인정보 노출 이동을 측정하는 프레임워크 ASLEval을 제안한다. 46.9%의 노출이 기존 로컬 평가 대상에서 누락되는 것을 확인했다.
LLM 에이전트의 개인정보 노출 평가 시, 단일 출구만 검토하는 방식의 한계를 인식하고 전체 노출 경로를 선언해야 한다.
CASHEWS는 JavaScript 소스 코드를 전처리하여 LLM 기반 악성 패키지 탐지의 효과성을 향상시킨다. 512개 대규모 패키지 파일에서 분석 범위를 69.1~85.7%에서 98.8~100%로 증가시키고, 18.6퍼센트 포인트까지 오진률을 감소시켰다.
CASHEWS를 사용하면 동일하거나 더 낮은 분석 비용으로 더 강력한 모델을 사용할 수 있어 악성 패키지 탐지의 실용성을 높인다.
익명 증명(Anonymous Credentials) 시스템에서 권한 간 신뢰도 차이를 고려한 새로운 모델 MA-ACEW를 제안하고, 이 모델의 보안성과 효율성을 증명한다. 128개의 부분 증명을 집계하는 데 평균 10.68ms가 소요된다.
이 연구는 분산 시스템에서 권한의 신뢰도를 반영한 익명 인증을 가능하게 하여, 보다 유연하고 안전한 인증 프로토콜 설계에 기여할 수 있다.
DL-SCA의 하드웨어 간 성능 저하 문제를 해결하기 위해 s-MDM이라는 생성 모델을 제안한다. s-MDM은 AES_PTv2 데이터셋에서 정량 결과는 원문 참조한다.
이 연구는 DL-SCA의 이동성을 향상시켜 다양한 하드웨어에서의 적용성을 높이는 데 기여한다.
기존 Future Toggle 방법의 한계를 극복하기 위해 새로운 통계적 부호 복원 기법인 노말 정렬(Normal Alignment)을 제안한다. CIFAR-10 및 MNIST 모델에서 다항 시간 내에 부호를 완전히 복원할 수 있는 반면, 기존 방법은 지수 시간 복잡도를 가진다.
이 연구는 하드-라벨 신경망의 암호 분석에서 효율적인 부호 복원 기법을 제시하여, 보안 분야에서 DNN 모델의 취약점 분석에 새로운 접근법을 제공한다.
이 연구는 신뢰할 수 있는 역변환을 활용한 매칭 디컴파일 시스템인 Echo를 제안한다. Echo는 생성된 코드와 컴파일 설정을 반복적으로 검증하고 개선함으로써, 최적화된 바이너리의 정확한 매칭을 달성한다. 평가 결과, Echo는 기존 기법 대비 평균 2.43배 더 많은 정확한 매칭을 생성했으며, Mirai 악성코드에 대해서는 GPT-5.6과 Codex 대비 각각 2.75배와 7.4배 더 많은 함수를 매칭했다.
Echo 시스템은 최적화된 바이너리의 신뢰성 있는 디컴파일을 가능하게 하여, 악성코드 분석 및 취약점 탐지의 정확도를 높일 수 있다.
LLM 에이전트의 실행 계획을 정적 검증하는 CaMeLoT 기법을 제안한다. 계획을 유한 상태 전이 시스템으로 변환하고 CTL 시간 논리를 사용해 정책을 검증하여 실행 전에 위험한 계획을 거부한다.
LLM 에이전트의 실행 계획을 실행 전에 정적 검증함으로써 보안을 강화하고, 토큰 비용과 임시 샌드박스 사용을 줄일 수 있다.
AI 생성 코드의 보안 위험을 평가하는 프레임워크를 제안하고, Bandit과 Semgrep를 사용해 여러 개발 도구의 코드를 분석했다. 위험 수준은 작업 유형에 따라 달라졌으며, 입력 처리와 파일 관리 작업이 가장 높은 위험을 보였다.
AI 생성 코드의 보안 위험을 체계적으로 평가할 수 있는 프레임워크를 실무에 도입할 수 있다.
소비자용 로컬 LLM 서빙 시스템에서 프롬프트 보안 실패 경로를 측정 프레임워크 LLAnalyzer로 분석하고, 런타임 메모리 유출과 테넌트 간 권한 누수 등의 취약점을 발견했다. 200/200 시도에서 성공한 llama.cpp 권한 누수 취약점과 네트워크 환경에서도 구분 가능한 타이밍 오라클을 확인했다.
로컬 LLM 시스템에서도 테넌트 격리, 프롬프트 수명 관리, 지속적 저장소 보안을 명시적으로 보장해야 한다.
Google reCAPTCHA를 무비용으로 제로샷 공격하는 방법을 제안한다. CLIP(58%)과 OWLv2(43.5%) 모델을 사용한 공격이 각각 타입 A와 B에서 성공했으며, 종단간 자동 공격 성공률은 92.6%이다.
reCAPTCHA는 더 이상 신뢰할 수 있는 보안 수단이 아니며, 시각적 CAPTCHA 기반 방어 전략을 재검토해야 한다.
보안 분야에서의 고성능 언어 모델을 만들기 위해 중간 학습(mid-training) 기법을 사용한 MiST 모델을 제안한다. 8B 및 32B 규모의 MiST 모델은 공개 보안 벤치마크에서 Qwen 기준 모델 대비 평균 정확도가 각각 +13.1% 및 +8.6% 향상되었다.
보안 분야에서 특화된 언어 모델을 구축할 때 중간 학습 기법을 활용하면 성능 향상이 기대된다.
포스트-쿼런텀 암호(PQC) 이전을 통해 국가의 암호 주권을 평가하는 Readiness-Sovereignty Capability Model(RSCM)을 제안하고, 57개 암호화 주체에 대한 평가를 수행하였다. 20개 국가가 게이트를 통과했으며, 15개는 풀스택 제작자이고 5개는 연구 제작자로 분류되었다.
국가별 PQC 이전 준비도와 주권 역량을 평가할 수 있는 RSCM 모델을 통해, 암호 주권 강화를 위한 정책 방향을 제시할 수 있다.
SEEK은 프라이버시 보호 메시징에서 사용할 수 있는 실용적이고 효율적인 암호화 키워드 검색 프로토콜로, 동형 암호화와 2인 참여 계산(2PC)을 결합한다. SEEK는 메시지를 최소한의 중첩을 가진 암호문 조각으로 분할하고, 암호화된 키워드 트랩도어를 사용하여 동형적으로 상관관계를 분석하여 기존 기법 대비 최대 5.47배 빠른 연산 성능을 보인다.
SEEK은 암호화된 메시지에서 키워드 검색을 효율적으로 수행할 수 있어, 보안과 프라이버시를 유지하면서도 해악적인 메시지를 탐지하는 데 유용하다.
AIJON은 퍼징 도중 인간 전문가의 주석을 생성하는 대신 LLM을 활용하여 주석을 자동 생성하는 시스템이다. Magma 벤치마크에서 AIJON의 주석 기반 퍼징이 AFL++보다 엄격히 우수하지 않다는 것을 관찰하였다.
이 연구는 LLM을 사용한 주석 생성이 퍼징 성능에 미치는 영향을 실증적으로 평가하여, 향후 대규모 퍼징 연구에 기초를 제공한다.
브라우저 에이전트가 사용자의 인증 세션 하에 보안 민감한 행동을 실행함에 따라 간접 프롬프트 주입과 위장 확인 인터페이스가 행동 무결성에 직접적인 위협이 된다. Verifiable Action Card(VAC)는 실행될 행동의 정확한 정보를 신뢰할 수 있는 브라우저 UI에 재구성하여 승인을 바인딩함으로써 공격을 차단한다. 평가 결과, VAC는 모든 모델에서 공격 성공률을 0%로 낮추며, 정당한 작업 완료율은 78%이고, 거짓 차단률은 0%이다.
VAC는 브라우저 에이전트의 행동 승인을 신뢰할 수 있는 정보로 바인딩함으로써 기존 방어 수단이 해결하지 못한 보안 실패를 예방할 수 있다.
블록체인 기반 IoT 시스템의 계약 및 장치 계층에서 발생하는 논리 취약점을 탐지하기 위해 계약, 펌웨어 아티팩트, 장치 페트, 트랜잭션 스트림을 통합한 4개 역할, 9개 관계 스키마를 사용하는 다중 에이전트 이질 그래프 주의 프레임워크(MA-HGAT)를 제안한다. 이 프레임워크는 계약 분석, 펌웨어 분석, 그래프 기반 취약점 탐지 방법의 한계를 극복하여 계층 간 통합된 보안 태스크를 지원한다.
이 연구는 블록체인 기반 IoT 시스템의 보안을 강화하기 위해 계약 및 장치 계층에서의 취약점을 통합적으로 탐지할 수 있는 새로운 프레임워크를 제시하여, 실무에서 보다 효과적인 보안 모니터링 및 관리를 가능하게 한다.
네트워크 엣지에서의 적응 보안은 자동화된 플래너를 사용하여 관측 정보를 실행 조치로 변환한다. 이 연구는 신뢰할 수 없는 플래너의 출력을 검증하는 분할 제어 아키텍처를 제안하여, 보안 의도의 의미적 정확성을 보장한다.
이 연구는 엣지 네트워크 보안에서 플래너의 신뢰도를 보장하지 않고도 조치의 적정성을 판단할 수 있는 중재자 구조를 제시한다.
NP 문제에 대한 증거 암호화를 소수 순서의 순환 그룹을 사용하여 구축하였다. SAT 인스턴스 크기 n에 대해 암호화 알고리즘은 poly(n) 시간에 실행되며, 모든 만족할 수 있는 할당을 사용하여 poly(n) 시간에 복호화할 수 있다.
이 연구는 암호학적 프로토콜 설계에 새로운 접근법을 제시할 수 있다.
LLM이 외부 도구를 호출하는 Model Context Protocol(MCP)의 암묵적 신뢰를 측정하고, 여러 채널을 통해 분산된 악성 페이로드를 조합하는 공격 기법을 제시한다. 12개 모델, 3개 클라이언트, 6개 페이로드로 15,000회 이상 실험한 결과, 단일 채널 공격에 완전히 저항하는 모델도 2채널 분할 공격으로 100% 민감 정보 유출이 발생했다.
LLM 도구 호출 시 여러 채널을 통해 분산된 악성 입력을 조합하는 공격이 가능하므로, MCP 구현 시 채널 간 권한 분리와 페이로드 통합 검증이 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.