연구 요약과 시사점은 AI가 공개 초록을 정리한 것입니다(AI 생성). 연구를 누르면 원문이 새 창에서 열립니다.
본 연구는 GPU 통합 분산 함수 가속기(DFA)를 활용하여 함수 비밀 공유(FSS)의 키 이동 문제를 해결하고, VIGOR-DFA를 통해 권한 있는 입력부터 출력까지 보호하는 세 가지 메커니즘을 제시하였다. 이 모델은 공격에 대해 정적 악의적 보안을 입증했으며, 특정 프로토콜 대비 지연 시간을 10.1-14.0배, 에너지를 3.0-3.9배 절감함을 보였다.
시사점 신뢰할 수 있는 하드웨어 가속을 통해 분산 함수 가속기의 악의적 공격에 대한 보안을 강화하고 성능을 향상시킬 수 있다.
본 연구는 공개 출처에서 수집한 지정학적 데이터와 뉴스 기사를 LLM에 입력하여 풍부한 표현을 추출하고, 이를 과거 사고 데이터와 결합하여 미래 사고를 예측하는 방법을 사용했다. 지정학적 데이터만 사용했을 때 71.4%의 ROC AUC를 달성했으며, 네트워크 측정치와 결합했을 때는 81.3%의 ROC AUC를 기록하여 기존 네트워크 기반 기법보다 우수한 성능을 보였다.
시사점 지정학적 데이터를 활용하여 사이버 공격자의 동기를 포착하고 이를 예측 모델에 통합하는 것이 보안 사고 예측에 효과적이다.
본 연구는 양자적 질의를 통해 두 개의 키가 부여된 오라클이 구별 불가능하다면, 이를 $O(q^2)$의 곱셈적 손실을 가지는 키가 부여된 오라클에 대해서도 적용할 수 있음을 일반화된 정리로 확립하였다. 이 정리를 적용하여 압축 이상 암호(compressed ideal cipher)의 역상 저항성(preimage resistance)을 증명하고, 양자 안전한 난수 생성에 대한 모듈러 구성을 제시하였다.
시사점 양자적 환경에서 키가 부여된 오라클의 보안성을 분석할 때, 질의 횟수에 따른 구별 능력의 손실을 고려해야 한다.
본 연구는 IoMT 환경에서 메시지 변조, 도용, 재전송 공격에 대응하며 양자 공격에 대비하는 프로토콜을 설계했다. 프로토타입 실험을 통해 대규모 시스템에 적용 시 배치 서명 검증이 단순 서명 검증보다 우수함을 주장했다.
시사점 IoMT 시스템의 장기적 보안을 위해 격자 기반 구성과 블록체인 개념을 결합한 양자 내성 프로토콜을 고려해야 한다.
연구진은 에이전트의 메모리 기능을 이용하여 공격자가 원하는 문자열을 은닉하여 전송하는 대규모 레드팀 공격을 수행했다. 이 공격은 전체 시도 중 25.4%에서 복구 가능한 페이로드를 얻었으며, 그중 20.1%에서 정확히 일치하는 페이로드 복구가 가능했다.
시사점 에이전트 시스템의 메모리 무결성, 정보 흐름 제어, 은닉 채널 탐지 기능이 명시적인 보안 요구사항이 되어야 한다.
본 연구는 키 생성 과정의 취약점을 이용하여 공격자가 공격 블록을 숨기는 암호학적으로 위장된 공격을 정식화하고, 이를 양자 커널을 통해 검출하는 방법을 제시한다. 시뮬레이션 결과, 양자 커널은 공격을 탐지하는 반면 고전적 모니터는 탐지하지 못하는 상황을 확인했다.
시사점 양자 키 분배 시스템의 구현 공격에 대해 양자적 접근 방어 기법을 적용할 수 있다.
연구진은 LLM 에이전트 보안 방어 기법들에 Verification Autonomy Levels(VAL)을 적용하여 22가지 방어 기법을 분류하고, VAL 기반 스택과 직관적 스택을 비교 실험했다. 그 결과, VAL 스택은 특정 조건에서 0.000%의 공격 성공률을 보인 반면, 직관적 스택은 0.000%의 공격 성공률을 보였으나 모든 정상 동작을 중단시켰다.
시사점 공격 성공률이 0%라도 그 방어의 근거와 보장 수준은 다를 수 있으므로, 방어 기법의 본질적인 보장 수준을 평가하는 것이 중요하다.
본 연구는 TEE(Trusted Execution Environment)를 사용하여 독점 워크로드의 무결성을 증명하는 아키텍처를 제안하며, 이는 소스 코드의 해시와 자동 감사 도구의 판정 결과를 연결한다. 이 체인을 통해 검증자는 소스 코드나 빌드 산출물을 공개하지 않고도 실행된 산출물이 감사된 속성을 만족했음을 결론지을 수 있다.
시사점 이 접근 방식은 독점적인 소프트웨어의 무결성을 검증하면서도 소스 코드나 빌드 산출물을 외부에 노출하지 않고도 신뢰성을 확보할 수 있는 방법을 제공한다.
본 연구는 메시지 비트를 군의 원소로 표현하고 해당 원소들을 곱하여 해시 값을 생성하는 Cayley 해시 함수를 기반으로 CHAMP를 제안하였다. 이 함수는 유한체 상의 2x2 행렬 곱을 이용하여 구현되며 그 보안, 구현 및 성능을 논의한다.
시사점 새로운 구조를 가진 Cayley 해시 함수를 제안하고 그 특성을 분석하였다.
부채널 공격을 통해 부동소수점 신경망 가중치를 정밀하게 복원하는 방법을 제안한다. 263개의 트레이스에서 100%의 비트 정확도를 달성했다.
시사점 임베디드 장치에 배포된 신경망 모델의 가중치가 전력 분석을 통해 완전히 복원될 수 있으므로, 모델 보호를 위한 물리적 보안 조치가 필요하다.
Split Computing 환경에서 신뢰성과 보안성을 통합적으로 평가하는 새로운 프레임워크를 제안한다. 실험 결과, MRAD는 44.3%에서 61.2%까지, ASR은 최대 98.8%에 달하는 것으로 나타났다.
시사점 이 연구는 에지 컴퓨팅 시스템의 설계 시 신뢰성과 보안성을 동시에 고려하는 방법을 제공하여, 보다 안정적이고 안전한 시스템 구축을 가능하게 한다.
COPEX는 Model Context Protocol(MCP) 시스템에서 대규모 언어 모델(LLM)이 적대적 맥락에 대해 얼마나 강건한지를 평가하는 벤치마크를 제안한다. 9개 모델을 대상으로 3,375회 실험한 결과, 평균 공격 성공률은 64.4%이며, 입력과 맥락 검사를 통해 평균 공격 성공률을 49.6% 감소시킬 수 있음을 보인다.
시사점 이 연구는 LLM이 MCP 시스템 내 다양한 공격 벡터에 얼마나 취약한지를 실증적으로 보여주며, 입력 및 맥락 검사의 효과를 입증하여 실무에서 보안 강화 방안을 제시한다.
Transformer 모델의 32비트 부동소수점 가중치의 최하위 비트를 악용하는 공급망 공격을 방어하기 위해 GrayShield라는 경량 정화 기법을 제안한다. GrayShield는 정화 후 정확도 영향이 1% 미만이며, 5가지 공격 시나리오에서 49.96±0.66 퍼센트 포인트의 복구 감소를 달성한다.
시사점 이 연구는 AI 모델 공급망 보안을 강화하기 위한 실용적인 방어 기법을 제시하여, AI 모델 배포 시 공급망 위협에 대한 대응 전략을 고려해야 한다는 점을 시사한다.
이 연구는 분산 에너지 자원(DER) 네트워크의 보안 위협을 추론하기 위한 설명 가능한 인공지능(AI) 기반 프레임워크인 CyTReX를 제안한다. CyTReX는 네트워크 수준 이상징후를 보안 운영 센터(SOC)의 조치와 조사에 활용할 수 있는 위협 가설로 변환한다.
시사점 이 연구는 보안 운영 센터에서 네트워크 이상징후를 구체적 위협 가설로 변환하여 조치를 지원하는 프레임워크를 제안한다.
NeuroSploit v4.2.0을 사용하여 Active Directory 펜테스트를 자동화하고, 22개의 AD 전용 에이전트와 7개의 공격 체인 플레이북을 통해 테스트 범위를 확장하였다. 9개의 최첨단 LLM을 허브스 내에서 비교한 결과, 허브스는 96-100% 기술 커버리지와 90-97% 정밀도를 달성하였다.
시사점 자동화된 펜테스트 허브스는 구조화된 오케스트레이션과 도메인 전문가 에이전트를 통해 Active Directory 펨테스트의 효율성과 정확도를 크게 향상시킬 수 있다.
음성 합성 모델에 다중 비트 식별자를 직접 삽입하는 생성적 수퍼마킹 기법을 제안하고, 재구성 공격 하에서 87.6%의 평균 복구 정확도를 달성했다. 10,000개 식별자 집합에서 출처 추적을 지원한다.
시사점 이 연구는 생성적 AI 음성의 출처를 신뢰성 있게 추적할 수 있는 기반을 제공한다.
LLM 지문 인식을 위해 워터마크 교사의 역할을 재고찰하고, 텍스트 품질과 탐지 가능성의 균형을 맞추는 새로운 방법을 제안한다. 여러 모델에서 텍스트 품질을 유지하면서 탐지 성능을 개선하는 결과를 보인다.
시사점 이 연구는 LLM 워터마크 기술의 한계를 보완하고, 보다 실용적인 지문 인식 방안을 제시한다.
R 플랫폼에서 완전 동형 암호화 기반의 통계 분석을 가능하게 하는 openfhe.R과 homomorpheR 두 개의 패키지를 제시하고, 분산 Cox 회귀와 연방 Cox-lasso 최적화 사례를 통해 검증했다. 분산 환경에서 암호화된 계산을 통해 데이터 공유 없이 공동 분석이 가능하다.
시사점 이 연구는 R 사용자들이 암호화된 데이터로 통계 모델링을 수행할 수 있는 도구를 제공하여, 데이터 프라이버시가 중요한 분야에서 활용 가능하다.
Matter 프로토콜의 보안 취약점을 분석하고, 임시 물리적 접근을 통해 자격 증명을 추출하고 장치를 위장하는 공격 기법을 제시한다. 공격이 실제로 가능한 것을 시뮬레이션 환경에서 검증하였다.
시사점 Matter 기반 스마트 홈 환경에서는 물리적 보안 강화가 필요하며, 공격 표면을 재평가해야 한다.
분할 학습 환경에서 클라이언트가 서버에 텍스트를 보내지 않고 언어 모델을 학습할 수 있지만, 기울기 정보가 텍스트 유출에 기여하는지 측정했다. GPT-2에서 활성화 값만으로 94.20%의 토큰을 복원하고, 기울기를 추가하면 97.38%로 3.17%포인트 증가했다.
시사점 분할 학습 시스템에서 기울기 정보를 포함한 트래픽이 텍스트 유출에 활용될 수 있으므로, 보안 설계 시 기울기 데이터의 관리가 필요하다.
본 연구는 합성 유전자 표현 데이터의 프라이버시를 평가하기 위해 멤버십 추론 공격(MIA)을 활용한 통합 가중거리 프레임워크를 제안한다. 다양한 가중치 적용 방식을 통해 조건부 변분 자동인코더에 대한 공격 성능을 AUC 0.8251에서 0.8951로 향상시켰다.
시사점 이 연구는 합성 유전자 데이터의 프라이버시 보호 수준을 정량적으로 평가하는 데 기여하며, 생물학적 경로 정보가 타겟 간 전이되지 않는 한계를 보여준다.
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.