AIJON: 퍼징을 위한 주석의 자동 생성
AIJON은 퍼징 도중 인간 전문가의 주석을 생성하는 대신 LLM을 활용하여 주석을 자동 생성하는 시스템이다. Magma 벤치마크에서 AIJON의 주석 기반 퍼징이 AFL++보다 엄격히 우수하지 않다는 것을 관찰하였다.
이 연구는 LLM을 사용한 주석 생성이 퍼징 성능에 미치는 영향을 실증적으로 평가하여, 향후 대규모 퍼징 연구에 기초를 제공한다.
AIJONLLM퍼징주석 생성
RESEARCH
연구·리포트 참고 자료
SEMA-GUARD: 어셈블리 코드에서 의미론적 및 그래프 기반 취약점 탐지
SEMA-GUARD는 어셈블리 코드에서 취약점을 탐지하기 위해 의미 분석과 그래프 신경망을 결합한 프레임워크이다. Juliet Test Suite 기반의 데이터셋을 사용한 평가에서 정확도 85.1%, F1 점수 0.801를 달성했다.
이 연구는 어셈블리 코드 분석에서 의미 정보를 활용한 새로운 접근법을 제시하여, 소스 코드가 없는 환경에서의 취약점 탐지 정확도를 높이는 데 기여한다.
취약점 탐지어셈블리 코드그래프 신경망의미 분석
NIST 버그 프레임워크를 CWE 대체로 평가
NIST 버그 프레임워크(Bugs Framework)가 자동 취약점 분류에 얼마나 효과적인지 평가했다. 13개 CVE를 2명의 전문가가 4개 축에 매핑했으며, 자동 분류 프레임워크를 두 대형 언어 모델(LLM)에서 테스트했다.
이 연구는 취약점 분류 프레임워크 선택에 실질적인 근거를 제공할 수 있다.
취약점 분류NIST 버그 프레임워크CWE자동 분류
Python 임포트(Python import)의 실행 경계: 버그, 취약점, 분석 공백에 대한 실증 연구
Python import는 의존성을 해결하는 것 외에도 모듈 및 패키지 초기화 시 코드를 실행한다. 이 연구는 import 관련 버그와 보안 취약점을 분석하여 1,429개의 프로젝트 히스토리 버그와 31개의 취약점을 확인하고, ImportVulBench라는 228개의 수정 전/후 프로그램 데이터셋을 도출했다.
이 연구는 Python import 초기화 과정에서 발생하는 보안 문제를 실무에서 주의 깊게 검토할 필요가 있음을 시사한다.
Pythonimport보안 취약점버그 분석
대형 언어 모델을 활용한 JavaScript 코드 취약점 자동 식별 연구
JavaScript 코드에서 취약점을 자동으로 식별하는 대형 언어 모델(LLM) 기반 접근법을 평가했다. 1,125개 코드 스니펫을 대상으로 Gemini 1.5 Flash, GPT-4o Mini, DeepSeek-R1-Distill-Llama-8B 모델을 평가해 60% 정확도를 달성했다.
LLM은 JavaScript 코드 취약점 탐지에 실용적인 접근법을 제공하지만, 기존 보안 분석 워크플로우를 대체하기보다 보완적으로 사용해야 한다.
JavaScriptLLM취약점 탐지SAST
PatchRisk: 오픈소스 의존성 네트워크에서 미래 취약점 노출 예측
오픈소스 의존성 네트워크에서 패키지가 향후 취약점 노출을 받을 가능성을 예측하는 문제를 연구하고, 이를 위한 벤치마크(PatchRisk)를 제시한다. 10K 벤치마크에서 HistoryGraph는 90일 예측에서 AUPRC 0.351에서 0.640으로, 365일 예측에서 0.473에서 0.813으로 개선되었다.
이 연구는 소프트웨어 공급망 보안에서 미래 취약점 노출을 사전에 예측할 수 있는 방법을 제시하여 의존성 관리 전략을 개선할 수 있다.
오픈소스의존성 네트워크취약점 예측PatchRisk
IDORacle: 템플릿 기반 SQL-싱크 중재를 통한 Java 애플리케이션 객체 수준 권한 부여
Java 애플리케이션에서 객체 수준 권한 부여 문제를 해결하기 위해 런타임 보호 프레임워크 IDORacle을 제안한다. 테스트 결과, IDORacle은 최악의 경우 0.17ms의 가드 지연 시간으로 수평 권한 상승을 방지할 수 있으며, 최적화를 통해 평균 인스턴스 오버헤드를 90% 이상 줄였다.
이 연구는 Java 애플리케이션에서의 객체 수준 권한 부여 취약점을 실시간으로 방지할 수 있는 새로운 방어 기법을 제시하여, 실무에서 런타임 보호를 강화할 수 있다.
IDORBOLASQL-싱크 중재런타임 보호
루트 권한이 있는 Kubernetes 노드에서 SPIFFE/SPIRE 기계 신원을 오용하는 공격 기법
Kubernetes 노드의 루트 권한을 악용해 SPIFFE/SPIRE 기계 신원 시스템을 오용하는 공격 기법을 제시하고, 공격 도구 Spooffe를 개발했다. 공격자는 cgroup 정보를 위조해 공유 노드 내 다른 워크로드의 신원 문서를 획득할 수 있음을 보인다.
Kubernetes 환경에서 루트 권한 관리와 노드 보안 강화가 중요하다.
KubernetesSPIFFE/SPIRE기계 신원cgroup
ReDoS 취약점 및 탐지 도구에 대한 실증 분석
연구팀은 5개 공개 ReDoS 탐지 도구와 1개 정규표현식 수정 도구의 효과성을 3개 데이터셋을 사용해 비교 분석했다. NVD 데이터베이스에 보고된 ReDoS 취약점을 실증 분석한 결과, ReDoS 취약점이 비-ReDoS 취약점보다 더 자주 악용되고 있는 것으로 나타났다.
실무에서는 ReDoS 취약점이 일반 취약점보다 더 높은 위험성을 지니므로, 탐지 도구 선택 시 도구 간 결과 차이를 고려해야 한다.
ReDoS정규표현식취약점 분석탐지 도구
모바일 스플래시 광고의 위험성: semi-drive-by splash ads 분석
모바일 스플래시 광고에서 광고 SDK가 사용자 또는 장치의 애매한 신호를 광고 상호작용으로 재해석하는 새로운 형태의 광고 사기인 semi-drive-by splash ads를 발견하고, AdHive라는 자동화된 분석 프레임워크를 통해 이 사기의 보편성을 실증했다. 4천만 위안(약 60만 달러)의 환불을 유발한 실제 사례를 확인했다.
모바일 앱 스플래시 광고의 상호작용 신호를 검증하는 프로세스를 강화하고, AdHive와 유사한 분석 도구를 도입해 광고 네트워크의 부정 행위를 탐지해야 한다.
모바일 광고splash adad fraudAdHive
로버스트성 기반 퍼징 평가 및 결함 탐지 향상
퍼징(fuzzing)의 무작위성을 기반으로 한 결함 탐지를 평가하고 개선하는 방법을 제시한다. 분할(splitting) 기법을 통해 CPU당 결함 탐지 수를 52% 증가시키고, CVE-2019-19926 취약점을 0/20에서 20/20로 탐지 성공률을 높였다.
이 연구는 퍼징 기반의 결함 탐지 툴 개선에 실용적인 방법을 제공하여, 소프트웨어 보안 테스트 효율성을 높일 수 있다.
퍼징결함 탐지로버스트성CVECVE-2019-19926
버그스톤 E2E: CVE 패치 기록을 실행 가능한 탐지 규칙으로 변환하는 프레임워크
BUGSTONE-E2E는 공개된 취약점 데이터베이스의 패치 기록을 분석하여 실행 가능한 탐지 규칙을 생성하는 프레임워크를 제안한다. 2022년부터 2026년까지의 19,325개 고위험 CVE를 기반으로 1,033개의 탐지 규칙을 생성하여 14개 프로그램에서 644건의 결과를 도출했다.
이 연구는 기존 취약점 패치 기록을 자동화된 탐지 및 수리 프로세스로 전환할 수 있음을 보여주어, 실무에서 취약점 관리 효율성을 높이는 데 기여할 수 있다.
버그스톤 E2ECVE 패치취약점 탐지자동화
PatchBench: AI 에이전트의 취약점 패치 평가
AI 에이전트가 취약점 패치를 생성할 때 기존 개발자 패치를 재현하거나 표면적인 수정만 하는 문제를 지적하고, 새로운 벤치마크 PatchBench를 제안한다. 기존 평가 방식은 패치 후 PoC 입력이 크래시를 유발하는지만 확인해 1.83배 과장된 성공률을 보였다.
AI 에이전트의 취약점 패치 평가 시 표면적인 수정을 피하고 실제 근본 원인을 해결하는지 철저히 검증해야 한다.
AI 에이전트취약점 패치PatchBench보안 평가
저비용 발견 이후: 미확인에서 확인 및 미해결로
자동화된 취약점 발견이 전문가의 주의 부족을 해소하면서 대부분의 소프트웨어를 보호하던 장벽을 허물었다. 조직의 대응은 발견과 수리에 집중되며, 이 둘 모두 저비용화되고 있다. 그러나 노출을 결정하는 것은 발견과 수리의 비용 곡선이 아니라, 제품 출시 결정 시점에서 식별된 취약점 중 수정된 비율과 조직이 출시 결정을 내리는 미해결 취약점이다.
소프트웨어 개발 조직은 제품 출시 시점에서 수정되지 않은 취약점의 관리를 강화해야 하며, 이에 대한 측정이 보안 책임과 보험, 구매 결정에 영향을 미칠 수 있다.
취약점 발견자동화보안 관리리메디에이션 커버리지
패턴 기반 시크릿 탐지의 경계 변이 테스트: 규칙 수준 방법과 교차 스캐너 평가
패턴 기반 시크릿 스캐너의 검출 정확도를 평가하기 위해 경계 변이 테스트 방법을 제안하고, 3개 스캐너에 적용한 결과를 분석한다. 주요 대상 스캐너의 검출률은 10개 컨텍스트에서 0.9976 이상이지만 하이픈으로 끝나는 경우 0.5233로 급락한다.
시크릿 스캐너의 검출 정확도는 특정 문자열 경계에서 급격히 떨어질 수 있으므로, 규칙 수준 테스트를 통해 검증하는 것이 중요하다.
시크릿 스캐너경계 변이 테스트패턴 기반 탐지boundary-mutation testing
PrimSynth: 리눅스 커널 취약점의 공격 원리 탐지·검증·합성에 대한 에이전트 접근법
리눅스 커널 취약점의 공격 전략과 기술 간 개념적 격차를 메우기 위해 6가지 공격 원리를 체계적으로 정의하고, 이를 기반으로 PrimSynth라는 다중 에이전트 프레임워크를 제안한다. 16개 실제 취약점에서 100% 원리 일치율과 82.4% 전략 합성률을 달성했다.
이 연구는 리눅스 커널 취약점 자동화 공격 기법을 체계적으로 탐지하고 합성하는 데 기여할 수 있다.
리눅스 커널취약점공격 원리PrimSynth
SpiderSapien: 클라이언트 중심 웹 크롤러 및 보안 스캐너
SpiderSapien은 현대 웹 애플리케이션의 동적성과 대화형 특성을 고려한 클라이언트 중심 웹 크롤러 및 보안 스캐너를 제안한다. 평가 결과, 기존 스캐너 대비 평균 코드 커버리지가 최소 46% 증가했으며, XSS 취약점을 7개 애플리케이션에서 발견했다.
SpiderSapien은 현대 웹 애플리케이션의 보안 테스트를 위한 새로운 접근법을 제공하여, 실무에서 더 깊은 코드 탐색과 취약점 탐지를 가능하게 한다.
웹 보안크롤러취약점 탐지XSS
라이트급 LLM을 활용한 행동 트리(Behavior Tree) 기반 취약점 탐지 연구
이 연구는 소프트웨어 취약점 탐지를 위해 행동 트리(Behavior Tree, BT)를 사용하는 새로운 접근법을 제안한다. Java 소스 코드를 AST로 변환한 후 BT로 전환하는 전처리 단계를 제안하고, 460개의 Java 샘플에서 원본 코드, AST, BT의 탐지 성능을 비교한 결과, BT는 짧은 코드 샘플에서 재현율을 향상시키고 긴 코드에서는 전체 성능을 개선하는 것으로 나타났다.
이 연구는 라이트급 LLM을 사용한 취약점 탐지에서 행동 트리(Behavior Tree)가 효과적임을 보여주어, 제한된 자원 환경에서의 실용성을 높일 수 있다.
취약점 탐지Behavior TreeLLMAST
CVE 데이터베이스에 등재된 스마트 계약 취약점 데이터셋
CVE 데이터베이스에 등재된 이더리움 스마트 계약 취약점에 대한 데이터셋을 구축하고, 취약점 라벨과 소스 위치 정보를 포함시켰다. 데이터셋은 491개의 배포된 계약, 26개의 프로젝트, 45개의 검증되지 않은 항목, 6개의 반증되지 않은 취약점 기록을 포함한다.
이 데이터셋은 코드 분석 및 복구 기술의 실증 평가에 활용될 수 있다.
스마트 계약취약점CVE데이터셋
Drishti: 5G 코어의 취약점 감사 프레임워크
5G 코어와 같은 중요 인프라 소프트웨어의 취약점 검증 및 영향 평가를 위한 Drishti 프레임워크를 제안한다. Open5GS와 free5GC에서 3개의 취약점을 발견했으며, 그 중 하나는 CVE가 요청된 NULL-dereference이며, 다른 하나는 2바이트 입력으로 AMF를 OOM-kills하는 메모리 증폭 취약점이다.
Drishti를 활용한 5G 코어 취약점 감사 결과는 5G 네트워크 보안 강화에 기여할 수 있다.
5G 코어취약점 감사DrishtiCVECVE-2025-69248
GraftyVul: 실제 취약점 이식을 통한 보안 취약 프로그램 합성
GraftyVul은 실제 취약점을 오픈소스 프로젝트에 이식하여 보안 취약 프로그램을 생성하는 시스템이다. 212개의 검증되고 공격 가능한 취약 프로그램을 5개 언어와 23개 CWE 범주에 걸쳐 생성하였다.
이 결과는 취약점 탐지 및 자동 수정 연구에 더 다양하고 현실적인 데이터셋을 제공할 수 있다.
취약점데이터셋GraftyVul보안
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.