LLM 기반 공격 에이전트가 허니팟을 인식하고 예산을 할당하는 전략을 연구하여, 예산이 제한된 상황에서 효과적인 펜테스트를 수행하는 방법을 제시한다. 허니팟 의심이 생기면 공격을 중단하거나 건너뛰는 정책을 제안하고, 이를 통해 호스트 풀에서 호스트를 침해하는 데 예산을 효과적으로 할당할 수 있음을 보인다.
LLM 기반 공격 에이전트가 허니팟을 인식하는 능력을 고려하여 예산을 동적으로 할당하는 전략을 설계해야 한다.
LLM 에이전트가 소프트웨어 공급망 취약점의 공격 가능성 평가 능력을 평가하기 위한 새로운 벤치마크 VEX-Bench를 제안하고, 75개 실제 사례를 기반으로 9개 모델을 평가했다. GPT-5.5는 이진 분류에서 약 80% F1, 세부 사유 분류에서 70% 이상 macro-F1을 달성했다.
이 연구는 LLM 에이전트가 소프트웨어 공급망 보안 분석에 활용될 수 있음을 보여주며, 실제 취약점 평가 과정에서의 성능 한계를 드러낸다.
오토메 게임 커뮤니티에서 발생하는 온라인 토스로니티를 측정하고 분석하는 OtomeSCAN 프레임워크를 제안한다. 620,045개의 게시글을 수집·분석하여 위보와 레딧 간 토스로니티 비율 차이(22.20% vs 3.71%)를 밝혀냈다.
게임 커뮤니티 관리자와 플랫폼 운영자는 특정 게임 커뮤니티에서의 토스로니티 수준을 이해하고 관리하는 데 이 연구를 활용할 수 있다.
Guppy는 블록체인의 전체 상태를 유지하지 않고도 효율적인 포함 증명을 지원하는 프로토콜로, 재귀적 제로지식 증명(ZKPs)을 활용한 해시체인 커밋먼트와 병렬 재귀 증명 파이프라인을 설계하였다. Plonky2 기반의 구현을 통해 2^30 크기의 머클 트리를 유지하면서 초당 수천 개의 업데이트를 처리할 수 있으며, 지연 시간은 2-4초로 나타났다.
Guppy는 블록체인 검증 과정에서 검증자 부담을 줄이고, 높은 처리량을 유지할 수 있는 새로운 프로토콜로, 고성능 블록체인 시스템의 설계에 참고할 수 있다.
블록체인 스마트 계약의 이벤트 세마틱 문제를 정의하고 탐지하는 방법을 제안하고, 이를 EventSpec이라는 도구로 구현해 6,617개 실제 계약에 적용해 90.17%의 정밀도를 달성했다. 오프체인 공격 벡터를 재현하는 허네스를 통해 브리지 리레이어, 블록체인 탐색기, NFT 마켓플레이스에서 공격 가능성을 입증했다.
이 연구는 블록체인 스마트 계약의 이벤트 세마틱 문제를 탐지하는 새로운 접근법을 제시해, 오프체인 시스템의 보안을 강화할 수 있다.
포스트-퀀텀 보호는 피어 간 관계에 따라 제공되며, 단일 피어가 이를 제대로 제어할 수 없음을 보인다. 40개 중 40개 에피소드에서 보안 퇴화가 발생함을 실험으로 확인했다.
포스트-퀀텀 보호의 적용 상태를 자동 감지하는 기존 도구는 실패하며, 보안 퇴화를 실시간으로 감지해야 한다.
태양광 분산 에너지 자원(DERs)의 인터넷 노출과 취약점을 평가하고, 이를 통해 전력망에 미칠 수 있는 위험을 분석했다. 66,000개 이상의 인터넷 노출 DERs 중 10,000개 이상이 알려진 CVE를 포함하고 있으며, 이를 악용하면 전력 품질 저하에서 정전까지 다양한 영향을 줄 수 있음을 보였다.
태양광 시스템의 인터넷 노출 취약점이 전력망 운영에 실질적 위협이 될 수 있으므로, 보안 강화와 모니터링이 필요하다.
AI 코드 어시스턴트가 소프트웨어 공급망의 신뢰 신호를 확인하는지 실험적으로 조사했다. 1,920회 시도 중 9회(0.5%)만 신뢰 신호를 열었고, 검증 명령어는 실행되지 않았다.
AI 코드 어시스턴트가 신뢰 신호를 확인하지 않는 것으로 나타나, 보안 강화를 위해 프로그램 내에 검증 기능을 구축해야 한다.
SSH 프로토콜의 멀티플렉스 채널에서 압축 측면 채널 공격을 통해 평문을 복구하는 방법을 제시한다. 8자리 비밀번호를 최대 276번의 추측으로 복구할 수 있음을 보인다.
이 공격은 SSH 압축 기능을 사용하는 환경에서 보안 위험을 일으킬 수 있으므로, 실무에서는 압축 비활성화를 고려해야 한다.
소프트웨어 기반 다중 도메인 데이터 분리(MDDS)의 보안 문제를 체계적으로 검토하고, 네트워크 슬라이싱과 분리 커널 등 구조적 패턴을 분석했다. 퀀텀 컴퓨팅의 위협에 대응하기 위한 포스트 퀀텀 암호(PQC) 적용 방안을 제시한다.
이 연구는 소프트웨어 기반 통신 시스템의 보안 설계에 실질적인 지침을 제공하며, 향후 고보안 요구 환경에서의 적용 가능성을 제시한다.
eSIM 프로비저닝 과정에서 사용자의 익명성을 보호하기 위해 제로지식 증명을 활용한 새로운 프로토콜인 ZK-eSIM을 제안한다. ZK-eSIM은 기존 RSP 프로토콜 대비 암호화 오버헤드가 실용적인 수준임을 실험적으로 입증한다.
이 연구는 eSIM 프로비저닝 과정에서 사용자의 익명성을 보호하면서도 기존 인프라와 호환되는 보안 기법을 제공하여 모바일 보안 실무에 적용 가능하다.
블록체인 기반의 데이터 스트림 분배 아키텍처인 Attestream을 제안한다. 데이터 유출을 방지하고 사용 내역을 검증하여 분배를 제어한다. 전체 라이프사이클 라운드는 657k gas를 소모하며, 50개 소비자 풀에서 40개의 테이블 행이 유출될 경우 100% 유출 책임을 추적할 수 있다.
이 연구는 데이터 소비자의 사용 내역을 검증하여 유출을 방지하는 블록체인 기반 아키텍처를 제안하여, 데이터 소유권 보호와 유출 추적에 기여한다.
도트 맵에서 노출되는 프라이버시 위험을 분석하고, 고정밀도 위치 복구 프레임워크 AutoLocate를 제안한다. AutoLocate는 지도 렌더링 과정에서 발생하는 반전각 아티팩트를 활용해 1미터 이하의 복구 오차를 달성했다.
도트 맵을 사용할 때 위치 정보가 1미터 이하로 노출될 수 있으므로, 프라이버시 평가 도구와 완화 전략을 적용해야 한다.
보안 취약점 정보를 통합하고 구조화하기 위해 지식 그래프를 구축하고, 자연어로 질의할 수 있는 방법을 제안한다. Neo4j를 사용한 지식 그래프는 NVD 데이터를 기반으로 하며, 자연어 질의를 Cypher로 변환하는 인터페이스를 통해 접근성을 높인다.
이 연구는 보안 전문가가 아닌 사용자도 쉽게 취약점 정보를 탐색할 수 있도록 도와줄 수 있다.
공개된 MISP OSINT 피드에서 데이터셋을 구축하고, 8개 LLM을 제로샷 조건에서 비교한 후 미세 조정(fine-tuning)을 통해 성능을 분석하였다. 미세 조정 모델은 F1 점수 0.40~0.58를 달성했으나, 실무 적용에는 여전히 낮은 수준이다.
LLM을 보안 분야에 적용하려면 데이터 품질과 도메인별 조정이 필요하다.
5G 네트워크에서 사용자 추적을 가능하게 하는 신호 처리 기법을 제안한다. 1% 이하의 블록 오류율을 달성하고, 기존 패시브 기법보다 훨씬 빠르게 작동한다.
이 기법은 5G 네트워크의 보안 취약점을 드러내며, 네트워크 운영자는 제어 채널 설정을 보호하는 방안을 강구해야 한다.
LLM 기반 자동 펜테스트 에이전트의 장기 기억 문제를 해결하기 위해 의도 그래프(intent graph)를 도입한 Intentest를 제안한다. 벤치마크 CTF 문제에서 88.2%의 성공률을 달성했으며, 어려운 문제에서는 75.0%의 성공률을 보였다.
이 연구는 LLM 기반 자동 펜테스트의 효율성을 높이는 구조화된 상태 관리 방법을 제시하여, 실무 펜테스트 도구 개발에 기여할 수 있다.
이 연구는 이질적인 사이버 위협 지능(CTI) 소스에서 공격의 실행 조건과 관찰 가능한 흔적을 포착한 구조화된 공격 그래프를 생성하는 자동 파이프라인을 제안한다. 10개 실제 사례를 대상으로 수작업 평가를 통해 생성된 그래프가 예상 공격 진행과 일치함을 보인다.
이 연구는 분산된 CTI를 통합해 공격을 구조화하고 실행 조건과 흔적을 명시함으로써 방어 및 탐지에 활용할 수 있다.
산업 제어 시스템(ICS)의 이상 기반 침입 탐지 시스템이 공식적인 회복탄력성 기준을 충족하도록 하기 위해, 기존 회복탄력성 프레임워크를 기반으로 적대적 기계 학습 환경에 맞춘 회복탄력성 이론을 정식화하였다. BATADAL 수자원 분배 시스템 벤치마크를 통해 제안된 지표가 표준 벤치마크에서 보이지 않는 운영적으로 중요한 현상을 드러내는 것을 실증하였다.
ICS 시스템 설계 및 인증 기준 수립 시, 개별 노드의 강건성보다는 공격 경로 상의 결합 조정된 흡수 능력을 고려해야 한다.
실제 디지털 프라이버시 사건을 분석하여 프라이버시 향상 기술(PETs)의 한계를 평가하고, 새로운 정보 흐름 모델을 제안했다. 모델은 257개 사건에서 파생된 데이터 흐름과 결과적 피해를 포괄한다.
이 연구는 PETs가 기능 제공에 초점을 맞추는 한 피해를 예방하기 어렵다는 점을 실무에 시사한다.
악성 트래픽 탐지 모델의 out-of-distribution 일반화 능력을 향상시키기 위해 주파수 도메인 믹싱 기반의 데이터 증강 방법을 제안한다. 여러 인공적 및 실제 데이터셋에서 실험한 결과, 제안된 방법이 다양한 네트워크 환경에서 탐지 성능을 크게 향상시키며 기존 데이터 증강 방법을 초과한다.
악성 트래픽 탐지 모델의 일반화 능력을 향상시키기 위해 주파수 도메인 믹싱 기반의 데이터 증강 방법을 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.