Signal 프로토콜의 공식 사양과 실제 애플리케이션 구현 간 차이를 확인하기 위해 런타임 모니터 SpecMon을 적용했다. WhatsApp 웹과 Signal 데스크탑 앱을 분석하여 인증 및 비밀 유지 속성을 검증했으며, 3인-주 동안 모델 개발과 실험을 완료했다.
이 연구는 메신저 애플리케이션의 보안 사양과 실제 구현 간 차이를 실시간으로 감지할 수 있는 방법을 제공한다.
LLM을 활용한 자동 방어 시스템의 한계를 해결하기 위해, 대량의 보안 텔레메트리 데이터를 요약한 후 위협을 평가하는 계층형 아키텍처를 제안한다. 실제 기업 IT/OT 환경에서 7가지 공격 체인을 대상으로 실험한 결과, 기존 방어 방식의 빠른 대응 능력을 유지하면서도 맥락 분석이 필요한 공격을 효과적으로 차단하는 것을 보인다.
자동화된 방어 시스템 설계 시, LLM의 장점을 활용하면서도 실시간 성능과 운영 안정성을 확보하는 아키텍처를 고려해야 한다.
Atlas는 제공자가 검색 결과가 올바르게 생성되었음을 증명할 수 있는 시스템으로, HNSW 기반 검색의 검증 가능성을 실현한다. SIFT1M 벤치마크에서 1초 미만, 1억 개 벡터에서 2.0초에 검색을 증명한다.
Atlas는 대규모 데이터셋에서 검증 가능한 세미나틱 검색을 실현해 보안과 신뢰도를 향상시킨다.
슈퍼앱이 미니앱과 사용자의 보안 및 프라이버시를 침해할 수 있는 능력을 보인다. MAX를 예로 들어 UI 캡처, 로컬 저장소 접근, 자바스크립트 주입 등의 공격 방식을 제시한다.
슈퍼앱의 아키텍처적 권한을 제한하기 위한 모바일 OS 및 앱스토어 개입이 필요하다.
대규모 언어 모델에서 추론 시간에 숨겨진 백도어를 탐지하는 새로운 기법 SpecGuard를 제안한다. 기존 방법과 달리 추가 모델 계산 비용 없이 백도어 트리거 시 토큰 수용률 변화를 이용해 탐지한다.
LLM에서 백도어를 실시간으로 모니터링할 수 있는 저비용 기법이 등장해, 모델 배포 후에도 보안을 유지하는 데 유용할 수 있다.
임상 뇌전도(EEG) 데이터의 프라이버시 보호를 위해 차분 프라이버시 기반의 익명화 기법을 제안하고, 클라이언트 측, 중앙 서버 측, 분산 로컬 학습이라는 세 가지 배포 시나리오를 고려하여 가우시안 및 라플라스 노이즈를 적용하였다. 실험 결과, 선택된 메커니즘과 프라이버시 파라미터, 민감도 교정이 데이터 유틸리티에 큰 영향을 미치는 것으로 나타났다.
차분 프라이버시 기반의 EEG 특징 익명화는 프라이버시-유틸리티 트레이드오프를 고려한 임상 데이터 공유에 실용적인 접근법을 제시한다.
AP2 프로토콜의 취약점을 분석해 3가지 Whisper 공격을 제시하고, A-VIP라는 방어 기법을 제안한다. 실험에서 90%, 56%, 73.3%의 공격 성공률을 보였다.
소프트웨어 에이전트를 사용하는 결제 시스템에서 사용자의 의도와 실제 거래가 일치하는지 확인하는 방어 기법을 도입해야 한다.
TFHE의 FFT 연산을 가속화하기 위해 OPCM 기반의 광학 아키텍처를 제안하고, 2.14~5.10배의 속도 향상을 보인다. 4가지 실제 TFHE 워크로드에서 최신 ASIC 가속기 대비 성능 향상이 입증되었다.
TFHE 기반 암호화의 실용성을 높이기 위해 광학 기술을 활용한 새로운 아키텍처가 제안되어, 클라우드 컴퓨팅에서의 효율적인 동형 암호화 구현 가능성이 제시된다.
AI 에이전트가 금융 이체, 인프라 변경, 소프트웨어 배포 등 외부 영향을 미치는 행동을 제안하는 경우가 늘고 있다. EBL-Core라는 실행 경계 정합성 프로파일을 제안하여, 특정 후보 행동이 실행 권한을 받을 수 있는지 결정하는 구조화된 프레임워크를 제공한다. 34개 정적 벡터와 15개 라이프사이클 체크가 예상 결과와 일치했으며, 100회 시도에서 정확히 하나의 성공적인 실행 권한 부여가 이루어졌다.
이 연구는 AI 에이전트가 실행 권한을 받을 때의 정합성을 보장하는 프로파일을 제안하여, 고위험 AI 행동을 안전하게 관리할 수 있는 기반을 제공한다.
증명서 투명성(CT) 프로토콜의 책임성(accountability)을 중심으로 보안 분석을 수행하였다. CT는 신뢰를 줄이기 위해 증명서 발급 기관(CA)이 공개 로그에 증명서를 기록하도록 의무화하는 프로토콜이다.
CT 프로토콜의 책임성 메커니즘을 이해하면 TLS 인증 생태계의 신뢰 문제를 개선하는 데 도움이 된다.
이 연구는 스마트 계약의 프론트런닝 공격 저항성을 정의하고, 기존 탐지 방법의 한계를 분석한 후 새로운 정의와 알고리즘을 제안한다. 287개 스마트 계약 감사에서 55%의 취약점이 기존 기준에서 벗어난다는 것을 보인다.
이 연구는 스마트 계약 개발자와 감사자에게 프론트런닝 공격을 효과적으로 탐지하고 방어할 수 있는 새로운 기준을 제공한다.
저온을 이용해 칩 내 센서를 비활성화하여 민감 정보를 유출하는 새로운 정적 부채널 공격 기법 Chypothermia를 제안한다. FPGA/SoC 플랫폼에서 소프트-IP 및 하드-IP 센서 구현을 비활성화하는 데 성공했으며, OpenTitan의 루트 오브 트러스트 경보 핸들러를 공격해 키 제로화를 방지했다.
실무에서는 칩 보안 설계 시 온도 센서와 시계 감지 회로의 취약점을 점검하고, 자체 가열 센서 같은 대응책을 고려해야 한다.
Solana 블록체인의 고유한 실행 동작과 이벤트 로그 부재로 인해 기존 크로스체인 거래 추적이 어려웠다. 이에 새로운 추적 방법 SolTracer를 제안하고, 기존 방법 대비 F1 점수 20.16% 개선하는 것을 보였다.
SolTracer는 Solana 브리지 거래 추적 정확도를 높여, 악성 자금 추적에 실용적 도움을 줄 수 있다.
신뢰할 수 있는 실행 환경(TEE)의 빌드 재현 가능성 문제를 분석하고, 115개 TEE 배포를 대상으로 실험을 수행했다. 91%의 배포가 재현 불가능했으며, 80%는 소스 코드와 빌드 참조를 제공하지 않았다.
TEE의 빌드 재현 가능성은 보안 신뢰성에 필수적이며, 개발자와 생태계 차원의 협력이 필요하다.
DF-CAPTCHA(Deep-Fake CAPTCHA)는 음성 및 영상 통화에서 실시간 딥페이크 위장 공격을 방어하기 위해 사용자에게 간단한 챌린지-응답 작업을 요구하는 방식을 제안한다. 사용자의 응답을 현실성, 신분 일관성, 작업 완료, 응답 시간 네 가지 기준으로 검증하여, 기존 수동 방식보다 높은 정확도를 달성했다.
실시간 딥페이크 기반 사회공학 공격을 방어하기 위해 사용자 인증 방식을 챌린지-응답 기반으로 전환할 필요가 있다.
희소 샷 학습(FSL)을 사용한 네트워크 침입 탐지 시스템(NIDS) 연구를 체계적으로 검토하고, 2022~2026년간 21개 연구를 분석하여 FSL 접근법, 데이터셋, 실험 파라미터를 분류하고 성능을 비교했다. 대부분 메타러닝과 컨볼루션 신경망을 사용했으며, CIC-IDS2017과 CSE-CIC-IDS2018 데이터셋이 가장 많이 사용되었다.
실무에서는 희소 샷 학습을 활용한 NIDS의 최신 접근법과 데이터셋 선택을 고려해 침입 탐지 시스템을 설계할 필요가 있다.
블록체인 검증자들이 블록별 쓰기 로그를 인증하여 역사적 멤버십 및 배제 증명을 지원하는 Block Update Digest (BUD) 메커니즘을 제안한다. BUD의 인증 경로 크기는 상태 크기의 로그에 비례하며, 상태 크기가 50배 증가할 때 기존 메서드 대비 1.24배 증가하는 반면 기존 메서드는 3.1배 및 69.5배 증가한다.
이 연구는 블록체인의 인증된 읽기 성능을 향상시키는 새로운 메커니즘을 제시하여, 대규모 블록체인 시스템의 효율성을 개선할 수 있다.
웹 보안 측정 연구는 Tranco와 같은 도메인 데이터셋을 샘플링하여 대규모 분석을 수행하지만, 샘플링 전략이 결과에 미치는 영향을 체계적으로 평가하지 않았다. 50만 개 Tranco 호스트와 2480만 개 Common Crawl 호스트를 대상으로 샘플링 방법을 비교 평가한 결과, 확률 기반 샘플링이 편향 없는 정확한 추정을 제공하는 반면, 상위 N개 도메인 샘플링은 전체 웹 분포를 반영하지 못한다는 것을 보였다.
웹 보안 연구에서 샘플링 전략 선택이 결과의 신뢰도에 큰 영향을 미친다. 편향을 줄이려면 확률 기반 샘플링을 사용하고, 상위 N개 샘플링은 전체 분포를 반영하지 못한다는 점을 염두에 두어야 한다.
자동화 및 합성 음성을 사용한 원치 않는 전화 통화를 측정하기 위해 대화형 음성 honeypot을 설계하고 분석했다. 66일간 10,987개의 전화를 기록한 결과, 26.9% 이상의 전화가 기계 음성으로 시작되었으며, 45%는 기존 녹음 파일의 재생이었다.
이 연구는 원치 않는 전화 통화 중 기계 음성 사용 비율을 정량적으로 측정하여, 보안 및 통신 규제에 중요한 기초 자료를 제공한다.
지식 오염 공격을 통해 검색 증강 생성(RAG) 시스템을 탈취하는 새로운 방법 ToxicRAG를 제안한다. 12개 데이터셋-모델 조합에서 공격 성공률(ASR)이 0.61~0.91로 기존 최고 기준을 넘거나 동일한 수준을 보였다.
RAG 시스템의 사실 일관성과 출처 추적 기능이 공격에 취약함을 보여주어, 실무에서는 정보 검증 메커니즘 강화가 필요하다.
LLM-에이전트(LLM-agent) 평가 인프라에서 보상 정합성을 보장하기 위해 BenchShield라는 형식적 모델 기반 인스트루멘테이션을 제안한다. BenchShield는 평가의 보상 관련 이벤트의 유한 생명주기 모델에 근거하여 정적 분석과 런타임 분석을 통해 보상 해킹 경로를 탐지하며, 기존 기법 대비 77-100%의 완전 체인 재현률과 96%의 정확도를 달성한다.
BenchShield는 LLM-에이전트 평가 시스템의 보상 정합성을 실질적으로 보장할 수 있는 기술로, 평가 인프라 설계에 적용할 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.