연구 요약과 시사점은 AI가 공개 초록을 정리한 것입니다(AI 생성). 연구를 누르면 원문이 새 창에서 열립니다.
LLM 에이전트의 지속 메모리 보안 문제를 분석하고, Backchain Memory Attack(BMA)이라는 새로운 공격 기법을 제안한다. BMA는 18.8%의 Path-CASR을 달성했으며, 기존 기법 대비 60.3%의 인증된 효과를 보인다.
시사점 LLM 에이전트의 지속 메모리 보안을 강화하기 위해 기존 접근 방식을 재검토해야 한다.
언어 모델의 누출 여부를 인증하기 위한 계산적 조건을 이론적으로 분석하고, 다양한 제한 조건 하에서 인증의 계산 복잡도를 조사한다. 41.06%의 쌍에서 256개 평가가 누출을 놓친다는 실험 결과를 보인다.
시사점 이 연구는 언어 모델의 누출 여부를 인증할 때 고려해야 할 계산적 조건과 평가의 한계를 실무적으로 이해하는 데 도움을 준다.
개방형 가중치 툴 호출 에이전트에 숨겨진 백도어 공격인 SilentCall을 제시하고, 런타임 모니터링과 가중치 분포 감사 등을 통해 탐지하는 방법을 제안한다. SilentCall은 특정 조건에서 사용자 인증 정보를 유출하는 툴 호출을 실행하며, 이는 정량적으로 99.6%의 요청에서 발동된다.
시사점 개방형 가중치 에이전트를 사용할 때는 모델의 자체 진술보다 런타임 모니터링과 모델 감사를 통해 툴 접근을 보안 표면으로 다뤄야 한다.
포스트 퀀텀 시대를 위한 프라이빗 클라이언트 측 검증 블록체인 기술인 Compact Shielded CSV를 제안한다. 단일 입력 거래 시 체인 상의 풋프린트는 해시 3개(3x32 바이트)로, 기존 서명 방식을 완전히 제거한 새로운 메커니즘인 degriefer를 도입하여 이중 지출을 방지한다.
시사점 이 연구는 퀀텀 저항성 암호화 기반의 프라이빗 블록체인 구현 방식을 제시하여, 향후 포스트 퀀텀 시대의 디지털 결제 시스템 설계에 참고가 될 수 있다.
랜섬웨어 공격으로 피해를 입은 의료기관과 보험사의 정보를 법적·경제적 동기로 인해 공유하지 않는 문제를 해결하기 위해, 공개된 소셜 미디어 게시글을 분석하여 공격의 영향을 파악하는 방법을 제안한다. 2018년부터 2024년까지 1,628개의 페이스북과 레딧 게시글을 수집하고, 212건의 랜섬웨어 공격과 매칭한 후 정량적·정성적 분석을 통해 공격이 의료 인프라, 환자 치료, 의료 제공자에 미치는 영향을 조사했다.
시사점 이 연구는 의료 랜섬웨어 공격의 실질적 영향을 파악하기 위해 소셜 미디어 데이터를 활용할 수 있음을 보여주며, 법적·제도적 장벽이 있는 상황에서 대체 정보 수집 방법을 제시한다.
이 연구는 IoT 네트워크에서 온라인 AutoML 시스템에 대한 회피 공격의 영향을 평가하고, 비용-효용 기반 적대적 훈련 방어 전략의 효과성을 분석했다. AT 버전의 LB와 SRP가 최고의 적대적 정확도(0.985)와 높은 정상 정확도(0.993)를 달성했다.
시사점 이 연구는 온라인 AutoML 시스템의 보안 강화를 위해 적대적 훈련 방식을 고려할 필요성을 제시한다.
유전 디지털 트윈이 센서와 일치하지 않을 때, 하드웨어 노후화, 혹한 날씨 영향, 악의적 데이터 조작을 구분하는 방법을 시뮬레이션으로 연구했다. 15개 센서와 4개 우물의 시뮬레이션 환경에서, 물리 기반 트윈을 사용한 분류기의 정확도는 0.818 macro-F1을 달성했으며, 비용 기반 정책이 144개 시나리오에서 가장 낮은 예상 비용을 보였다.
시사점 유전 시스템의 센서 편차 원인을 분석하는 확률적 속인식과 비용 기반 결정 프레임워크를 설계할 수 있다.
지식 증류(KD) 과정에서 모델 도용을 방지하기 위해 하드웨어 기반의 물리적 복제 불가 함수(PUF)를 사용한 새로운 지문 프레임워크를 제안한다. 실험 결과, 이 프레임워크는 노이즈 조건에서도 높은 탐지 정확도를 유지하며, 일반적인 KD 후 수정에도 지문이 견고하다는 것을 보인다.
시사점 이 연구는 AI 모델 도용 시 추적성을 확보할 수 있는 실용적인 하드웨어 기반 기법을 제시하여, 분산된 AI 배포 환경에서 모델 보호에 기여할 수 있다.
TokenScanner는 텍스트-이미지 생성 모델의 LoRA에 숨겨진 백도어를 탐지하기 위해 토큰별 반응을 분석하는 방식을 제안한다. 840개의 백도어 LoRA와 840개의 양성 LoRA를 대상으로 한 실험에서 95.96% AUC와 96.55% TPR을 달성했다.
시사점 이 연구는 LoRA 모델 사용 전에 백도어를 사전에 탐지할 수 있는 실용적인 방법을 제공한다.
클라우드 기반 대형 언어 모델(LLM) 서비스의 암호화 트래픽에서 모델, 프롬프트, 작업 행동을 추론하는 트래픽 분석 공격을 대규모로 측정하고 벤치마크를 제시한다. 60,000개의 사용자-LLM 상호작용과 2,838개의 다중 에이전트 실행을 기반으로 모델 식별 정확도 97.7%, 프롬프트 범주 식별 정확도 76.7%, 다중 에이전트 작업 식별 정확도 90.7%를 달성한다.
시사점 클라우드 LLM 서비스의 암호화 트래픽에서도 모델 및 작업 정보가 유출될 수 있으므로, 트래픽 분석 공격에 대한 대응이 필요하다.
넷스케일러 장비에 제로데이 취약점이 악용되고 있음이 확인되었다. CVE-2026-88771은 원격 코드 실행 취약점이며 CVE-2026-88772는 메모리 오버플로우로 원격 코드 실행이나 서비스 거부를 유발한다.
시사점 넷스케일러 사용자는 즉시 패치를 적용하고 취약 시스템을 격리하여 위협을 최소화해야 한다.
최근 피싱 공격은 문법 오류나 의심스러운 URL을 피하고, 정상적인 워크플로우를 악용하는 방식으로 진화하고 있다. 2026년 상반기 ESET의 통계에 따르면 QR 코드 피싱은 감지된 피싱 이메일의 1/9를 차지했으며, Microsoft는 QR 코드를 가장 빠르게 성장하는 이메일 기반 공격 벡터로 분류하고 있다.
시사점 이 결과로 인해 기업은 단순히 사용자 교육에만 의존하는 대신, 이메일 인증과 보안 조치를 강화해야 한다.
AutoMUD는 IoT 장치의 소스 코드에서 정확하고 유지 가능한 MUD 프로파일을 생성하는 도구로, 정적 분석과 언어 모델 추론을 결합한다. 평가 결과 AutoMUD가 완전한 통신 행동을 복원하고 의미 있는 엔드포인트 그룹으로 정리하며 구조적으로 유효한 MUD 프로파일을 생성함을 보였다.
시사점 이 연구는 IoT 장치의 네트워크 정책을 자동 생성하여 보안을 강화하는 방법을 제시한다.
62개 벤더의 407개 시스템 프롬프트를 분석하여, 윤리적 진술보다 운영 콘텐츠가 우세하고, 58%는 도구/프로토콜, 5%는 안전 정책에 해당하며, 11:1의 비율로 도구 사용과 파일 안전이 해로운 콘텐츠보다 강조된다. 58%의 분류된 단어가 도구/프로토콜에 해당하고, 엄격한 규칙은 해로운 콘텐츠보다 도구 사용과 파일 안전을 11:1의 비율로 강조한다.
시사점 유출된 시스템 프롬프트는 운영 사양으로 간주되어야 하며, 재사용과 프롬프트 노후화는 공학적 및 공급망 문제로 다뤄져야 한다.
LLM 추론 비용 증가 문제를 해결하기 위해 비정준 토큰 생성을 통한 공격 기법인 FragToken을 제안한다. FragToken은 평균적으로 토큰 인플레이션 비율(TIR) 1.99~2.46을 달성하면서 모델 유틸리티의 소멸을 최소화한다.
시사점 이 연구는 LLM 공급망에서 추론 비용 증가를 유발하는 은밀한 공격 가능성을 제시하여, 모델 제공자들이 비용 증폭 공격에 대한 대응을 강화해야 함을 시사한다.
WPA3의 SAE 프로토콜의 계산 비용 문제를 해결하기 위해 비대칭 자원 비용 모델을 제안하고, 브루트포스 시도를 완화하기 위한 느린 경로 키 도출 메커니즘과 티켓 기반 재인증 메커니즘을 도입하였다. 실험 결과 이 아키텍처가 DoS 위험을 크게 완화하면서 정당한 네트워크 접근을 해치지 않는다는 것을 보였다.
시사점 이 연구는 무선 네트워크의 DoS 공격에 대한 방어를 강화하면서도 정상적인 사용자 인증을 보장하는 아키텍처를 제안하여, 무선 네트워크 관리자들에게 실용적인 방안을 제시한다.
신뢰 실행 환경(TEE)을 기반으로 한 연방 학습(FL) 시스템을 제안하고, 이 시스템은 외부에서 검증 가능한 차분 프라이버시(DP) 보장을 제공한다. 실험 결과에 따르면, 이 시스템은 기기 커버리지가 향상되고 프라이버시-유틸리티 곡선이 유리하게 변화하여, 기존 시스템에 비해 더 빠르고 정확도가 높은 모델 학습이 가능하다.
시사점 이 연구는 연방 학습에서 프라이버시 보장을 외부 검증으로 확보할 수 있는 새로운 시스템을 제시하여, 모바일 기기에서의 데이터 활용과 프라이버시 보호를 동시에 달성하는 데 기여할 수 있다.
블록체인 기반 복권 시스템에서 검증 가능한 무작위성을 구현하기 위해 commit-and-reveal 방식을 기반으로 한 새로운 플랫폼을 제안하고, 기존 방법의 주요 취약점인 last revealer 공격을 해결한다. 폴리곤 2.0 블록체인에 배포된 스마트 계약과 웹 기반 프론트엔드를 결합한 프로토타입을 구현하여 무작위성의 엔트로피 특성을 평가했다.
시사점 이 연구는 블록체인에서 검증 가능한 무작위성을 구현하는 실용적인 솔루션을 제시하여, 고위험 분산 애플리케이션의 보안성을 향상시킬 수 있다.
Android 앱에서 사용되는 외부 라이브러리(TPLs)를 효과적으로 탐지하기 위해 기존 방법의 한계를 분석하고, 컨텍스트 인식 기능 모델링 기반의 새로운 학습 접근법(LibFan)을 제안한다. LibFan은 메서드 수준에서 대조 학습과 라이브러리 수준에서 기능적 분할을 통해 F1 점수 81.3%를 달성해 기존 최고 수준보다 64.9% 개선된다.
시사점 이 연구는 Android 앱 보안 분석 시 외부 라이브러리 탐지 정확도를 높이는 새로운 기법을 제시하여, 앱 취약점 진단 및 보안 검증 프로세스 개선에 기여할 수 있다.
카드 번호가 노출되면 공격자가 동일한 접두사를 가진 활성 번호를 탐색할 수 있다. 이에 대해 발급자가 접두사 카운트를 제한하는 방식을 분석하고, 이가 언제 역효과를 낼 수 있는지 수학적으로 도출하였다. 5만 개 후보에 대한 시뮬레이션에서 접두사 카운트 제한이 12자리 접두사 탐색 확률을 높이는 경우가 있었다.
시사점 카드 번호 접두사 카운트 제한은 예상보다 높은 탐색 위험을 유발할 수 있으므로, 보안 전략에서 이 점을 고려해야 한다.
AI 에이전트의 보안 취약점을 탐지하고 공격을 생성하는 AgentXploit 시스템을 제안한다. AgentXploit은 72개 취약점을 포함한 AgentXploit-Bench 벤치마크에서 59.3%의 종단간 성공률을 달성했다.
시사점 AI 에이전트 개발자는 AgentXploit을 사용해 사전에 보안 취약점을 자동 감사하고 공격 시나리오를 확인할 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.