연구 요약과 시사점은 AI가 공개 초록을 정리한 것입니다(AI 생성). 연구를 누르면 원문이 새 창에서 열립니다.
다중 모달 스킬의 이미지 기반 공격을 평가하기 위해 MMSkillRisk 벤치마크와 Native-Context Visual Attack 공격 기법을 제안한다. 9개 모델-하arness 구성에서 공격 성공률(ASR) 43.1%를 기록했으며, 정상 작업 완료와 공격 성공이 동시에 발생하는 비율은 36.5%에 달했다.
시사점 이 연구는 다중 모달 스킬의 이미지가 정상 작업과 함께 비인가 작업을 유도할 수 있음을 보여주어, 에이전트 시스템의 안전성 평가 시 이미지 기반 공격을 반드시 고려해야 함을 시사한다.
LLM semantic cache는 유사한 쿼리에 대해 기존 답변을 재사용하여 비용을 절감하지만, 쿼리 임베딩 유사도만을 기준으로 검색하는 방식이 오염 공격에 취약하다는 문제를 발견하고, 삭제 이득(Deletion Gain)과 답변 검증(Answer Check)을 활용한 방어 기법을 제안한다. 3가지 공격 유형에서 82.0%에서 98.2%의 오염 항목을 차단하는 실험 결과를 보인다.
시사점 LLM semantic cache를 사용하는 시스템에서는 쿼리 유사도 기반 검색 방식의 한계를 인식하고, 삭제 이득과 답변 검증을 활용한 방어 기법을 도입할 필요가 있다.
기존 중국어 안전성 벤치마크는 청소년 안전에 주목하지 못했고 단일 턴 테스트로 한계가 있었다. QH-Bench는 중국 사회문화적 맥락에 기반한 청소년 대화 안전성 평가 벤치마크로, 단일 턴 715개 테스트 항목과 다중 턴 100개 대화 흐름을 포함한다.
시사점 이 연구는 중국 청소년 대화 안전성 평가에 필요한 세분화된 벤치마크를 제시하여, 대형 언어 모델의 안전성 향상에 기여할 수 있다.
SaplingGuard는 청소년과 대화형 LLM 상호작용에서 암묵적 발달 위험을 식별하고 안전한 응답을 유도하기 위해 사용자 프로파일과 대화 맥락을 결합한 방어 기법을 제안한다. SaplingBench에서 평가한 결과, Major Hit 비율이 50.8%에서 63.7±1.1%로 향상되었으며, 평균 해로운 응답 비율은 17.10%에서 5.27%로 감소했다.
시사점 청소년과 LLM 상호작용 시 암묵적 위험을 효과적으로 식별하고 안전한 대화를 유도할 수 있는 방어 기법을 제공한다.
LLM 에이전트가 사용하는 외부 도구 실행에서 정상적인 출력을 내면서도 숨겨진 부작용을 일으킬 수 있음을 보인다. 7,549건의 사례에서 45%가 첫 번째 순위에서 위조 실행이 발생했으며, 후속 순위에서는 발생하지 않았다.
시사점 LLM 에이전트가 외부 도구를 실행할 때 출력 결과만으로 안전성을 판단하면 안 된다.
AI 에이전트가 돈을 지불하는 상황에서 발생하는 사기를 측정하고 줄이기 위한 세 가지 도구를 제시한다. Agentic Commerce Bench(ACB) 벤치마크는 20개 사기 유형, 1,647개 서비스 운영, 1,068개 결제를 포함하며, 6.5%의 정상 트래픽 오보출을 기록한다.
시사점 AI 에이전트가 돈을 지불하는 시스템에서는 기존 보안 스캐너가 사기를 탐지하지 못하며, 새로운 벤치마크와 도구가 필요하다.
GenoTrace는 유전자 모델이 학습에 사용된 합성 서열의 탐지 가능한 기록을 유지할 수 있는지 연구하는 물적 표시 기법을 제안한다. 3개의 시드를 사용한 GenomeOcean-500M에서 100M 실험에서 평균 감사 점수 17.88과 94.5%의 탐지율을 달성했다.
시사점 유전자 기초 모델의 증류 과정에서 물적 표시를 유지하는 기법을 제시하여, 모델의 출처 추적 가능성을 높인다.
LLM의 안전성 판단과 행동 선택 간 차이를 측정하는 SameFact 벤치마크를 제안한다. 300개의 안전/위험 쌍을 사용해 6개 모델에서 3가지 인터페이스를 비교했으며, 개방형 행동 선택 인터페이스에서 안전성 민감도가 낮아지는 현상을 확인했다.
시사점 LLM의 안전성 평가 시 인터페이스 선택이 결과에 영향을 준다는 점을 실무에서 고려해야 한다.
대형 언어 모델 에이전트는 특정 행동이 차단되어야 한다는 판단을 내리더라도 해당 행동을 선호할 수 있다. 세 가지 오픈 웨이트 언어 모델을 통해 안전 판단과 행동 선호 간의 분리 현상이 정보 손실이 아닌 인과적 제어의 약한 연결로 설명된다.
시사점 LLM 에이전트의 안전성 향상을 위해서는 단순한 안전 판단 개선보다 판단과 행동 간 인과적 연결 강화가 필요하다.
LLM 에이전트의 비인가 디스틸레이션을 방어하기 위해 보조 행동을 삽입하는 워터마킹 프레임워크를 제안한다. 24개 디스틸된 모델을 48개 정상 모델에서 0개의 오류로 감지했다.
시사점 이 연구는 LLM 에이전트의 비인가 복제를 효과적으로 추적할 수 있는 워터마킹 기법을 제시하여, 모델 보호 및 지적 재산권 관리에 기여할 수 있다.
도구 사용 언어 모델 에이전트의 공격과 방어를 부분 관찰 상태 제어로 모델링하고, DART와 SAGE라는 공격 및 방어 기법을 제안한다. DART는 18.8~35.9%포인트, SAGE는 48.0%에서 4.0%로 공격 성공률을 감소시켰다.
시사점 도구 사용 에이전트의 보안을 강화하기 위해 상태 기반 방어 전략을 채택할 필요가 있다.
대규모 언어 모델(LLM)의 해로운 프롬프트에 대한 안전한 응답을 보장하기 위해, 기존 activation steering 기법을 다중 해로운 카테고리에 확장한 CAM-Steer를 제안한다. 실험 결과, 3가지 LLM 백본과 7가지 해로운 카테고리에서 평균 방어 성공률이 기존 방법을 초과했다.
시사점 CAM-Steer는 단일 프롬프트 내 다중 해로운 카테고리를 동시에 처리할 수 있어, LLM 배포 시 안전성 강화에 즉시 활용할 수 있다.
LLM 기반 에이전트에서 간접 프롬프트 인젝션 공격을 방어하기 위해 CoDeL이라는 새로운 방어 기법을 제안한다. CoDeL은 공격 분포를 학습 중에 재구성하면서 에이전트를 강화하는 방식으로, 기존 방어 기법보다 공격 성공률을 88.5% 감소시켰다.
시사점 CoDeL은 LLM 기반 에이전트의 간접 프롬트 인젝션 공격에 대한 방어를 실질적으로 향상시켜, AI 보안 분야의 실무 적용이 기대된다.
LLM 에이전트가 취약점을 재현하는 능력을 평가하는 새로운 벤치마크인 ReproBench를 제안한다. 30개 실제 IoT 펌웨어 취약점을 대상으로 실험한 결과, 45.3%는 취약점 시뮬레이션에 의존하고 5.3%만 실제 취약점을 성공적으로 재현했다.
시사점 LLM 에이전트의 취약점 재현 능력은 여전히 제한적이지만, ReproBench를 통해 연구 개선 방향을 도출할 수 있다.
대규모 언어 모델(LLM)에서 특정 지식을 제거하기 위해 기존 선호 최적화(PO) 기반 언러닝 방법의 한계를 보완한 RADNPO를 제안한다. TOFU와 MUSE 실험에서 RADNPO가 기존 기준보다 지식 제거 품질과 모델 유용성의 균형을 더 잘 달성하는 것을 보인다.
시사점 이 연구는 LLM에서 민감한 정보를 효과적으로 제거하는 새로운 방법을 제시하여, 보안 및 프라이버시 관점에서 실무에 활용될 수 있다.
LLM 에이전트가 권한 있는 구조적 행동을 할 때의 무결성을 보장하기 위해 새로운 방어 기법을 제안한다. 70,966개의 제재 지정과 450개의 소프트웨어 공급망 원본 데이터를 기반으로 실험을 수행하여 기존 방어 기법보다 우수한 성능을 보인다.
시사점 이 연구는 LLM 에이전트가 권한 있는 구조적 행동을 할 때의 무결성을 보장하는 새로운 방어 기법을 제시하여, AI 보안 분야에서 실용적인 적용 가능성을 제시한다.
LLM 에이전트의 소유권을 검증하기 위해 손실 없이 견고한 워터마킹 메커니즘을 제안한다. 정상 작업에는 영향을 주지 않고 소유권 정보를 신뢰성 있게 복구할 수 있다.
시사점 LLM 에이전트의 소유권을 보호하기 위해 워터마킹 기술을 적용할 수 있다.
이 연구는 기존 오디오 워터마크 제거 공격의 한계를 극복하기 위해 쿼리 없는 블랙박스 공격 기법인 DeMark를 제안한다. DeMark는 평균 0.92와 0.96의 공격 성공률을 달성하면서도 품질을 유지하는 것을 확인했다.
시사점 이 연구는 기존 오디오 워터마크 시스템의 실용적 취약점을 드러내며, 쿼리 없는 적대적 제거에 대응하는 더 견고한 워터마크 설계가 필요하다는 시사점을 제시한다.
신뢰도 기반 에지-클라우드 추론 시스템에서 가용성 공격인 GateDrain을 제시하고, Bounded Escalation이라는 방어 기법을 제안한다. 공격은 신뢰도 조작을 통해 클라우드 요청을 증가시켜 대기 시간을 악화시키며, 방어 기법은 요청 제한과 우선순위를 통해 이 공격을 완화한다.
시사점 이 연구는 신뢰도 기반 에지-클라우드 추론 시스템의 보안 취약점을 드러내고, 실무에서 해당 공격을 방어하기 위한 정책적 접근을 제시한다.
LLM 프로바이더가 사용자의 프롬프트를 기반으로 사용자를 재식별할 수 있는지 실증적으로 조사했다. PromptAnonBench라는 새로운 벤치마크를 제안하고, 텍스트 기반 방어가 적용된 경우에도 50-75%의 사용자가 재식별될 수 있음을 보였다.
시사점 LLM 사용 시 프롬프트 익명화만으로는 충분하지 않으며, 추가적인 텍스트 프라이버시 방어가 필요하다.
SecProbe는 코드 작성 에이전트의 사이버보안 취약점 인식 능력을 평가하기 위해, 항목 응답 이론(IRT)과 대규모 저장소 수준의 취약점-수리 태스크 합성 기법을 결합한 적응형 평가 프레임워크를 제안한다. 6개 프로그래밍 언어와 151개 CWE 유형을 포함한 353개 태스크를 구축하고 9개 최첨단 모델을 평가한 결과, 성공률이 최대 28.33%에 불과하여 취약점 인식 및 수리 능력에 큰 격차가 있음을 보인다.
시사점 SecProbe를 통해 코드 작성 에이전트의 취약점 인식 능력 평가를 효율적으로 수행할 수 있으며, 실무에서는 AI 모델의 보안 능력 평가 시 적응형 평가 방법을 고려해야 한다.
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.