중국어 해로운 콘텐츠 평가에서 언어적 변이와 적대적 변형이 위험한 의도를 가릴 수 있다는 점을 고려해, 응답 수준의 중국어 안전 평가 벤치마크인 C-SafeQA를 제안한다. C-SafeQA는 538개의 기본 질문과 8,877개의 적대적 질문을 포함하며, 4개의 전체 모델 LLM 배포를 통해 생성된 37,660개의 질문-응답 기록을 안전, 비안전, 논란으로 라벨링한 결과, 기본 질문에서 0.93%~3.35%, 적대적 질문에서 11.68%~30.05%의 비안전 응답률을 보였다.
C-SafeQA 벤치마크를 활용하면 대규모 언어 모델의 안전성 평가와 자동화된 안전 판정기의 정확도를 검증할 수 있다.
개인 데이터가 협력 서비스 제공업체에 의해 분산 처리될 때 발생하는 구성적 프라이버시 위험을 식별하는 새로운 프로토콜을 제안한다. 이 프로토콜은 데이터 보호 영향 평가의 결과를 개선하기 위해 구성적 위험 후보를 식별하는 방법을 제시한다.
이 연구는 서비스 조합에서 발생할 수 있는 구성적 프라이버시 위험을 식별하는 프로토콜을 제안하여, 기업이 데이터 보호 영향 평가를 보다 효과적으로 수행할 수 있도록 지원한다.
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.
리버스 엔지니어링(RE) 능력을 평가하기 위해 CTF 문제를 사용하지만, 기존 방법은 플래그 획득 여부만 확인한다. 이 논문은 RE 과정의 세 단계에서 LLM RE 에이전트의 성능을 진단하는 Reveree 프레임워크를 제안한다.
이 결과는 LLM 기반 RE 에이전트의 평가 기준을 개선하고, 실제 분석 능력과 기억력의 차이를 구분하는 데 도움이 된다.
연구팀은 CTI 생성 및 공유 과정에서의 주요 문제점을 실증적으로 분석하고, 대규모 언어 모델(LLM)이 이를 어떻게 지원할 수 있는지 탐구했다. 실증 연구에서 LLM은 CTI 생성의 4단계에서 분석가를 지원하지만, 민감 정보 노출 방지, 지표 추출, 표준 TTPs와의 연관성, 공유 포맷 변환 등의 문제를 해결하지 못한다.
이 연구는 CTI 생성 과정의 자동화를 위한 연구 방향을 제시하며, 실무에서 LLM을 도구로 활용할 때 전문가의 감독이 필수적임을 시사한다.
SMS 스팸 탐지 시스템의 실제 내구성을 평가하고, 적대적 공격에 대한 취약점을 분석했다. 다중 모델 앙상블을 통해 내구성을 크게 향상시켰다.
실무에서는 스팸 탐지 시스템의 적대적 공격 내구성을 평가하고, 앙상블 방식을 도입해 보호 수준을 높여야 한다.
센서-서버-클라이언트 구조에서 프라이버시 보호 센서 융합 기술을 개선한다. PBFT 기반 합의 단계와 서버별 라벨 해제를 도입하여 온라인 실행 시간을 평가했다.
센서와 서버의 공모 및 비잔틴 조작을 방지하는 CRSF 프로토콜을 통해 센서 융합 보안을 강화할 수 있다.
RowHammer 보안 취약점 대응책이 실시간 시스템의 타이밍 행동에 미치는 영향을 분석하고, 공격자가 이 대응책 메커니즘을 조작해 실시간 작업의 실행 시간을 예상 WCET를 초과하게 만드는 JENGA 공격을 제안한다. 시뮬레이션 평가 결과, 이 공격으로 작업이 최대 200%의 WCET 지연을 겪는다는 것을 보인다.
실시간 시스템에서 RowHammer 대응책이 시간 안전성을 위협할 수 있으므로, 보안 대응책 설계 시 실시간 예측성까지 고려해야 한다.
딥 이미지 워터마킹의 강건성 한계를 메커니즘과 용량 확장에 따라 분석했다. 64~16384비트의 페이로드를 측정해 3가지 한계를 확인했다.
워터마킹 시스템 설계 시 페이로드 그리드의 동기화, 인코더-디코더 왜곡 저항, 임베딩 강도 범위를 고려해야 한다.
LLM 보안을 위해 생성형 가드레일을 제안하고, 러시아어와 영어로 훈련시켜 다양한 벤치마크에서 성능을 평가했다. 러시아어 세트에서 0.88의 결합 F1 점수와 0.999의 프롬프트 인젝션 재현률을 달성했다.
이 연구는 LLM의 프롬프트 인젝션 탐지를 위한 새로운 생성형 가드레일을 제시하여, 보안 실무자들이 LLM 보안을 강화하는 데 참고할 수 있다.
다양한 스마트 시티 센서에서 보행 특징을 분석하여 개인정보 유출 가능성에 대한 연구를 위한 데이터셋 MultiGait를 구축하고, 8가지 센서, 4가지 관점, 3가지 기록 세션을 통해 정량적 벤치마크를 수행하였다. 199명의 다양한 보행 모드와 개인 속성 정보를 포함하고 있어, 교차 센서 인식 및 엣지에서의 익명화 연구에 기초가 될 수 있다.
이 연구는 스마트 시티 센서의 개인정보 유출 가능성에 대한 체계적인 분석을 가능하게 하며, 특히 보안 친화적 센서라고 여겨지는 기술에서도 신원 추론 위험이 존재함을 보여준다.
이 연구는 추론 기반 코드 LLM에 대한 stealthy backdoor 공격 기법 AKRASIA를 제안한다. AKRASIA는 99.34% 평균 공격 성공률을 기록했으며, 최신 방어 기법을 98.82% 평균 ASR로 우회하고, 80% 설정에서 인간 검사를 회피했다.
이 연구는 코드 생성 LLM에 대한 stealthy 백도어 공격이 가능함을 보여주어, LLM 보안 방어 전략의 재검토가 필요하다.
기존 호스트 기반 IPS가 로그 처리 속도의 한계로 악성 트래픽을 감지하지 못하는 문제를 분석하고, 고성능 로깅 프레임워크 FIPS를 제안한다. FIPS는 기존 syslog 대비 악성 클라이언트 차단 속도를 2.5배 향상시키며 100만 요청/초를 처리한다.
고속 네트워크 환경에서 IPS의 로그 처리 성능 한계를 극복하기 위해 FIPS와 같은 고성능 로깅 프레임워크를 도입할 필요가 있다.
서비스 지향 사이버 레인지(SOR)의 보안 요구사항 도출을 지원하기 위해 대형 언어 모델(LLM)을 활용한 방법을 제시한다. 다섯 가지 LLM을 사용하여 84개의 보안 요구사항을 생성하고, 전문가 평가를 통해 27개의 종합적 요구사항을 도출하여, 필요성 98.5%, 명확성 87.4%, 완전성 85.2%, 실행 가능성 78.5%, 거부율 0.7%의 높은 수용률을 보였다.
이 연구는 보안 요구사항 도출 과정에서 LLM을 활용할 수 있음을 보여주며, 초기 단계에서의 효율성을 입증하지만, 최종 검토는 여전히 필요하다.
AI 기반 사기의 경제적 영향을 분석하고, 신고율, 신고 집중화, 신고 정확도를 통한 대응 전략을 제시한다. 2020년부터 2025년 사이 미국의 사기 피해 금액은 약 400% 증가했다.
AI 기반 사기의 경제적 영향을 고려한 대응 전략은 사기 수익을 줄이고 비용을 증가시켜 사기 사업 모델의 수익성을 저하시킬 수 있다.
대형 언어 모델(LLM)의 신뢰할 수 있는 거부 행동을 개선하기 위해 추론 시 정렬 기법으로 응답 검사와 선택적 조치를 제안한다. 실험 결과 RISA는 거부 신뢰도를 향상시키면서 모델 유틸리티를 크게 유지하는 것으로 나타났다.
이 연구는 LLM의 거부 조정을 위한 실용적인 솔루션으로, 추론 시 정렬 기법을 활용한 응답 검사 프레임워크를 제공한다.
이 연구는 딥 JSCC 시스템에서 입력 패치를 이용한 백도어 공격을 방어하기 위해 마스크 영역 최적화 정화(MROP) 기법을 제안한다. 실험 결과, MROP는 공격 성공률(ASR)을 크게 낮추면서 깨끗한 재구성의 최대 신호 대 잡음비(PSNR)를 유지하는 것으로 나타났다.
이 연구는 딥 JSCC 시스템의 보안성을 향상시키기 위해 새로운 방어 기법을 제시하여, 실무에서 해당 시스템을 사용하는 기업이나 연구자들에게 보안 대응 방안을 제공한다.
XR 장비는 사용자의 움직임을 추적하여 몰입감 있는 3D 경험을 제공하지만, 이 과정에서 민감한 정보를 노출할 수 있다. 134개 논문을 검토하여 공격 벡터, 추론 위험, 방어 방법을 체계화하고 향후 연구 방향을 제시한다.
XR 기기 사용 시 움직임 데이터의 프라이버시 위험을 인식하고, 제안된 방어 전략과 향후 연구를 주목해야 한다.
차분 프라이버시(DP)를 적용한 테이블-이미지 다중 모달 데이터 합성 기법을 제안한다. 테이블 분포를 위한 확률 그래픽 모델과 조건부 이미지 분포를 위한 DP-SGD 기반 확산 모델을 결합하여, 테이블과 이미지 간 의존성을 보존하면서 데이터 신뢰도와 모달 간 정렬을 균형 있게 달성했다.
차분 프라이버시를 고려한 테이블-이미지 데이터 합성 기법을 개선하여, 의존성을 유지하면서 데이터 품질을 높이는 방안을 제시한다.
PhantomCall은 Windows PE 악성코드의 함수 호출 그래프(FCG)를 변형하여 머신러닝 기반 악성코드 탐지를 회피하는 적대적 공격 기법이다. 평가 결과, MalConv, MalGraph, SAFE+GNN 탐지 시스템에서 85-100%의 공격 성공률을 기록했으며, 기존 최고 수준보다 최대 95.5% 포인트 높은 성능을 보였다.
이 연구는 기존 머신러닝 기반 악성코드 탐지 시스템의 취약점을 드러내며, FCG 기반의 탐지 방식에 대한 재검토가 필요하다는 시사점을 제공한다.
소프트웨어 개발 과정에서 보안 취약점을 조기에 식별하고 수정하기 위해 정적 애플리케이션 보안 테스트(SAST) 도구의 출력을 개발자들이 익숙한 이슈 추적 소프트웨어에 통합하는 자동화된 프로세스를 제안한다. SonarQube SAST 도구를 GitLab 기반 개발 환경에서 성공적으로 구현했으며, 개발자들이 구조화된 구현, 실시간 피드백, 프로액티브 취약점 관리를 긍정적으로 평가했다.
이 연구는 CI/CD 파이프라인에 SAST 도구를 통합함으로써 개발 과정에서 보안 취약점을 효율적으로 관리할 수 있는 방법을 제시한다.
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.