연구 요약과 시사점은 AI가 공개 초록을 정리한 것입니다(AI 생성). 연구를 누르면 원문이 새 창에서 열립니다.
모델 양자화가 모델 역공격에 미치는 영향을 분석하고, 데이터 특성에 따라 달라지는 관계를 규명했다. 4비트에서의 양자화 민감도 차이를 확인하고, 모델 역공격 저항성을 향상시키는 새로운 양자화 방법을 제안했다.
시사점 이 연구는 모델 양자화를 통해 모델 역공격을 저항성을 향상시키는 방법을 제시하여, 모델 보호와 모델 효율성 사이의 균형을 맞추는 데 도움이 된다.
AI 에이전트가 지갑을 제어할 때 해로운 거래를 제안할 수 있으므로, 기존 방어 기법은 체인 상태 변화에 취약하다. PGS는 SMT 솔버를 사용해 거래 효과를 검증하고, 260개 시나리오에서 93.6%의 해로운 거래를 차단했다.
시사점 PGS는 체인 상태 변화를 고려한 거래 검증으로, 온체인 AI 에이전트의 보안을 강화할 수 있다.
LLM에서 백도어 공격을 제거하기 위해 훈련이 필요 없는 NEEDLE 방법을 제안한다. NEEDLE은 가장 낮은 평균 ASR(0%)와 낮은 KL 발산을 달성한다.
시사점 이 연구는 LLM에서 백도어를 효과적으로 제거할 수 있는 새로운 방법을 제시하여, 모델 보안을 강화하는 데 기여할 수 있다.
자기 수정 AI 에이전트가 실행 가능한 후계자들을 생성하는 과정에서 권한을 보존하는 새로운 프로토콜을 제안한다. 64개의 등록 결정을 통해 28개 허용, 36개 거부를 달성했다.
시사점 이 연구는 AI 에이전트가 스스로 수정되면서도 권한을 안전하게 이전할 수 있는 방법을 제시하여, 보안 시스템 설계에 새로운 접근을 제공한다.
대규모 멀티모달 모델(LMM)의 안전성을 평가하기 위해 유기적 해로운 이미지-텍스트 생성 시나리오에 초점을 맞춘 새로운 벤치마크인 UnifiedAttack을 제안한다. 이 공격 기법은 텍스트와 이미지 모달이 협력하여 개별 구성 요소보다 훨씬 큰 해를 끼치는 시너지 효과를 활용하여 현대의 정렬을 우회하는 것을 보인다.
시사점 이 연구는 멀티모달 모델의 안전성 테스트에 있어 시너지 효과를 고려한 방어 전략이 필요하다는 것을 시사하며, 실무에서는 멀티모달 생성물의 일관성과 논리성을 기반으로 한 보안 대응을 강화해야 한다.
도구 사용 에이전트가 사용자에게 보여주는 클레임이 실제 실행 결과와 소스에 기반한 것인지 검증하기 위한 실행 계약을 제안한다. 1,280개 공격 시도 중 1,275개(99.61%)를 탐지하는 정량 결과를 보인다.
시사점 이 연구는 AI 에이전트의 실행 결과 신뢰성을 확보하는 기반 구조를 제시하여, 대규모 모델의 감사 및 보안 강화에 기여한다.
LLM에서 개인 정보 유출을 방지하기 위해 키 기반 접근 제어 메커니즘인 Locket을 제안하고, 다양한 데이터셋과 LLM 모델에서 실험적으로 검증하였다. 올바른 토큰 제공 시 퍼플렉시티가 미세조정과 유사하며, 토큰 누락 시 PII 유출을 줄이면서 기존 방어 수준과 맞먹는 유틸리티를 유지한다.
시사점 Locket은 기존 LLM에 키 기반 접근 제어를 구현하여 개인 정보 보호를 강화하며, 실제 시스템에 적용 가능하다.
A-IDS(Agentic-Process Intrusion Detection System)를 제안하고, 이는 런타임 침입 탐지의 근거 인식 보안 해석 계층이다. A-IDS는 증거 기반 관찰을 지정된 기대 기준과 비교하여 워크플로우 상태, 권한, 통신, 필수 이벤트를 모니터링한다.
시사점 A-IDS 모델은 에이전트 프로세스의 보안 모니터링 접근 방식을 개념적으로 제시하지만, 구현 검증이나 실증 성능은 포함하지 않아 실무 적용 시 추가 검토가 필요하다.
이미지 분류와 텍스트 분류에서 회피 공격을 실험적으로 연구하여 적대적 노이즈가 분류기 정확도에 미치는 영향을 분석했다. MNIST에서 FGSM과 PGD 공격으로 정확도가 급격히 감소했으며, 텍스트 분류에서는 정확도 감소가 미미했다.
시사점 이 연구는 머신러닝 모델의 적대적 취약성이 모달리티에 따라 달라질 수 있음을 보여줘, 실무에서는 다양한 공격 시나리오에 대한 실증적 테스트가 필요하다.
지속적인 AI 에이전트의 상태 전이를 검증하기 위해 Cognitive Continuity Test(CCT)라는 새로운 정책 기반 계약을 제안한다. CCT는 제출된 전이를 검증하여 확인 가능한 적법성, 명백한 위반, 미해결 필요한 증거를 구분하며, 576개의 정규화된 레이블을 일치시킨다.
시사점 이 연구는 지속적인 AI 에이전트의 상태 전이를 보안적으로 검증할 수 있는 새로운 방법을 제시하여, AI 시스템의 신뢰성과 보안성을 높이는 데 기여할 수 있다.
폐루프 결정 에이전트(closed-loop decision agent)의 집계 추적 디버거에서 발생하는 검증기 문제를 분석하고, 이를 해결하기 위한 새로운 평가 방법을 제안한다. 1,440개 사례와 21,600개 파티션 행을 대상으로 한 실험에서 55/72개의 제도 구성 요소가 참조 게이트를 통과했으며, 54/55개가 런타임 게이트를 통과했다.
시사점 에이전트 언어 모델의 디버깅 과정에서 검증기의 문제를 진단하고, 이를 해결하기 위한 평가 프레임워크를 개선하는 것이 중요하다.
본 연구는 원-픽셀 공격(OPA)에 대한 PRISMA 가이드라인을 따르는 종합적 검토를 수행하였다. 2017년부터 2026년까지의 고급 연구를 종합하여 OPA 연구의 다중 축 분류체계를 제시하고, 방어 전략과 미래 연구 방향을 제시한다.
시사점 이 연구는 원-픽셀 공격에 대한 이해와 평가, 완화 전략을 제공하여 AI 시스템의 보안성을 강화하는 데 기여할 수 있다.
자체 진화 에이전트는 경험을 반복적으로 사용함으로써 안전 문제가 달라진다. SAVER 프레임워크를 제안하고, 기존 연구의 강점과 약점을 분석한다.
시사점 자체 진화 에이전트의 안전성을 보장하기 위해서는 경험의 지속성, 권한, 범위를 엄격히 관리해야 한다.
대규모 언어 모델의 안전 정렬이 코드 영역에서 실패하는 '안전 정렬 지연' 취약점을 발견하고, 이를 악용한 CodeMimicry 공격 프레임워크를 제안한다. 8개 상용 LLM에서 평균 1.51개의 쿼리로 96.25%의 공격 성공률을 달성했다.
시사점 대규모 언어 모델의 코드 영역 안전 정렬이 취약하다는 점을 실무에서 인식하고, 구조화된 코드를 통한 탈옥 공격에 대비해야 한다.
암호 생성에 언어적 사전지식을 적용한 PassGPT+ 모델을 제안하고, 기존 모델과의 성능 비교를 통해 인간의 암호 생성 패턴을 분석했다. RockYou 벤치마크에서 PassGPT+는 10^8 번의 추측으로 22.53%의 암호를 복원했으며, PassGPT 대비 16% 상대적 개선을 보였다.
시사점 암호 생성 모델에서 언어적 사전지식을 활용하면 인간의 암호 생성 패턴을 더 효과적으로 분석할 수 있다.
코드 에이전트가 실행하는 명령 파일이 프롬프트 인젝션 공격에 노출될 수 있음을 지적하고, 권한 최소화 테스트 프레임워크 Aletheia를 제안한다. Aletheia는 요청된 권한을 타입 언어로 변환하고 실행 가능한 샌드박스 설정을 합성하여, 모든 권한과 독립적인 제한 조건에서 규칙과 작업을 실행함으로써 의심스러운 권한 요청을 진단한다.
시사점 코드 에이전트의 보안 설정을 강화하기 위해 권한 최소화 테스트를 도입할 필요가 있다.
AI 에이전트의 기술(skill)을 통해 공격자가 영향을 미치는 악성 기술을 탐지하는 방어 체계를 우회하는 공격 기법을 제시한다. 3개 오픈소스 모델에서 동결 탐지기 대비 97%, 공동 적응 탐지기 대비 77%의 우회 성공률을 보였다.
시사점 AI 에이전트 악성 기술 탐지 방어 체계의 한계를 보여주어, 실무에서는 탐지 기술의 개선이 필요하다.
엣지 컴퓨팅 환경의 보안 취약점을 해결하기 위해 Autoencoder, 1D-CNN, BiLSTM 모델을 통합한 신뢰 인식 연방 혼합 침입 탐지 프레임워크(TA-FHIDF)를 제안하고, 다양한 벤치마크 데이터셋에서 높은 탐지 정확도와 빠른 수렴, 높은 Byzantine 내성을 보인다.
시사점 엣지 컴퓨팅 환경에서 연방 학습 기반의 신뢰 인식 침입 탐지 프레트워크를 도입함으로써 데이터 프라이버시를 보호하면서 보안성을 향상시킬 수 있다.
LLM 에이전트에 대한 다중 턴 공격을 예방하기 위해 허니팟 방식의 방어 기법을 제안한다. 허니팟은 턴별 행동을 예측하고 검증하는 워크플로우를 통해 공격을 사전에 탐지한다.
시사점 이 기법은 LLM 에이전트 시스템의 보안을 강화하고, 공격 탐지 시점을 앞당겨 실무에서 즉각적인 대응이 가능하게 한다.
LLM 기반 에이전트가 타사 스킬을 통해 기능을 확장할 때 악의적인 지시가 포함된 스킬이 위험한 도구 호출을 유발할 수 있다. ActionGuard는 실행 직전에 스킬 영향을 받은 도구 호출을 검사하여 위험한 호출을 차단한다. 139개의 맥락적 주입과 180개의 명확한 주입을 대상으로 실험한 결과, 기존 방어책 대비 ASR을 35.54~46.11% 감소시키고, No Safeguard 대비 70.44% 감소시켰다.
시사점 ActionGuard를 도입하면 LLM 에이전트가 악성 스킬로 인한 위험한 도구 호출을 효과적으로 차단할 수 있다.
LLM 생성 코드의 추적성을 지원하기 위해 스타일 인코딩 워터마킹 기법 SEW를 제안한다. 코드 스타일 규칙, 스타일 선호도 교정, 맥락 인식 스타일 집계를 통해 워터마크를 삽입하고 탐지한다. CodeContests에서 TPR@FPR5% 기준 12.44%의 평균 상대 개선을 달성했으며, 네 가지 비-LLM 코드 편집 공격에도 0.94%의 평균 상대 감소만 보였다.
시사점 이 연구는 LLM 생성 코드의 원본 추적을 위한 실용적 워터마킹 기법을 제시하여, 생성 모델의 책임성과 보안성을 강화할 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.