메타모르픽 바이러스는 기존 코드를 무한히 변형하면서 기능을 유지하는 새로운 컴퓨터 바이러스 유형이다. 이 연구는 바이러스 변형을 van Wijngaarden 문법을 통해 실현할 수 있음을 보인다.
메타모르픽 바이러스는 기존 탐지 기술을 무력화할 수 있어, 실무에서는 이러한 바이러스를 탐지할 수 있는 새로운 방식을 개발해야 한다.
기존 보안 패턴 카탈로그의 실용성 부족을 해결하기 위해 14개의 사용자 인증 패턴을 제안한다. 인증 요인과 실제 역할에 따라 분류하여 소프트웨어 엔지니어와 아키텍트가 안전한 시스템을 설계하는 데 도움을 준다.
이 연구는 실무에서 사용자 인증 설계 시 참고할 수 있는 구체적인 패턴을 제공하여 보안 설계 효율성을 높인다.
자동화된 LLM 에이전트가 네트워크 접근 가능한 PLC를 지속적인 물리적 영향으로 전환할 수 있는지 평가하기 위해 PLCBENCH라는 새로운 하드웨어-인-더-루프(HIL) 프레임워크를 제안한다. 4개의 상용 PLC와 4개의 폐루프 작업 환경에서 5개의 LLM 가족을 대상으로 240회 실험한 결과, 31.3%의 에피소드가 각각의 물리적 목표를 지속적으로 달성했다.
이 연구는 자동화된 LLM 에이전트가 ICS에 물리적 영향을 미칠 수 있는 잠재력을 평가하는 데 도움이 되며, PLC-프로세스 배포에서 실패 원인을 특정하고 미래 방어 평가의 개입 지점을 식별할 수 있다.
SysComb은 eBPF 기반으로 애플리케이션 상태에 따라 시스템 콜 필터를 적용하여, 기존 솔루션의 커널이나 애플리케이션 수정 필요성을 제거한다. 평가 결과, 기존 커널 솔루션과 유사한 오버헤드를 보이며 실용성을 입증했다.
SysComb은 투명한 시스템 콜 필터링을 통해 공격 표면을 줄이고, 기존 솔루션의 수정 요구를 회피할 수 있다.
스마트 계약 언어에서 오프체인 구성요소의 정보 흐름 제어 모델을 개발하고, 정적 정보 흐름 제어 기법으로 데이터 무결성과 비밀성을 보장하는 문제를 연구했다. 정적 정보 흐름 제어가 루프 구조 없이도 실패하는 이유를 분석했다.
오프체인 구성요소의 보안 취약점을 이해하고, 정보 흐름 제어 기법을 개선할 필요가 있다.
5G 네트워크 침입 탐지에서 전통적 머신러닝 모델(XGBoost, TabNet)과 대형 언어 모델(LLM)의 탐지 성능과 계산 비용을 비교했다. 전통적 모델은 높은 정확도와 낮은 추론 시간을 보였으며, LLM은 성능이 낮고 CPU 사용량이 훨씬 높았다.
5G 네트워크 침입 탐지에는 복잡한 모델보다 전통적 머신러ting 모델이 더 효율적이다.
XION은 정상 트래픽만을 기반으로 네트워크 흐름 특성 간 관계를 모델링하여 이상을 탐지하는 방법이다. XION은 기존 Isolation Forest 기법보다 최대 7배 빠른 추론 시간을 보이며, 경고 후 분석에서 공격 패턴을 효과적으로 드러낸다.
XION은 네트워크 보안 모니터링에서 빠른 이상 탐지와 사후 분석을 가능하게 하여 실시간 대응 능력을 향상시킬 수 있다.
기존의 포스트-퀀텀 서명 방식을 다양한 패러다임(격자 문제, 단방향 해시 함수 등)에 따라 분류하고, T-out-of-N 서명 방식을 구축하는 데 사용되는 도구와 일반적인 접근법(FHE, MPC, ZKP)을 제시한다. 분류는 패러다임별로 이루어졌다.
이 연구는 포스트-퀀텀 보안을 필요로 하는 분산 시스템에서 임계값 서명 구현에 참고할 수 있는 분류와 접근법을 제공한다.
SME가 클라우드 데이터를 보호하기 위한 하이브리드 포스트-퀀텀 암호화 아키텍처를 제안한다. 클라이언트 측에서 AES-256-GCM으로 파일을 암호화하고 ML-KEM-1024 공개 키로 키를 래핑하며, 서버에서 포스트-퀀텀 연산은 1밀리초 미만이다.
SME는 기존 인프라에 Quantum Cloud Guard를 도입해 클라우드 데이터의 장기 보안을 강화할 수 있다.
이 연구는 블랙박스 작업 상호작용을 통해 숨겨진 에이전트 스킬을 유출하는 새로운 공격 기법인 Daydreaming을 제안한다. Daydreaming은 7개 스킬과 4개 피해 모델에서 원래 스킬의 86.8% 기능을 복구하는 데 성공했으며, SigLeak보다 약 4배 우수한 성능을 보였다.
이 연구는 기존 방어만으로는 에이전트 스킬의 기능적 복구를 막을 수 없음을 보여주어, 보다 강력한 보호 전략이 필요하다는 시사점을 제공한다.
Kubernetes에서 정적 분석과 LLM을 활용해 컨테이너 권한을 최소화하는 KubeCap 프레임워크를 제안한다. 평균 54.97%의 권한 감소율을 보인다.
KubeCap을 활용해 Kubernetes 컨테이너의 권한을 최소화하여 공격 표면을 줄일 수 있다.
TEE 환경에서 대규모 언어 모델의 공격 기법인 SpectralLeak과 LatticeLeak을 제안하고, 이를 극복하기 위한 ButterflyCloak 방어 기법을 설계한다. 12개의 작업 설정에서 87.98% 평균 정확도를 달성했다.
TEE 환경에서 대규모 언어 모델의 보안을 강화하기 위해 새로운 방어 기법을 설계해야 한다.
LLM이 RTL 코드를 생성할 때 명시되지 않은 보안 의무를 어떻게 처리하는지 분석하고, 이를 해결하기 위한 신규 프레임워크 RTL-Obliger를 제안한다. RTL-Obliger는 기능적 의미 그래프를 추출하고 CWE 패턴과 비교해 보안 의무를 보완해 61.6%의 전체 통과율을 달성한다.
LLM으로 RTL 코드를 생성할 때 명시되지 않은 보안 의무를 체계적으로 확인해야 하며, RTL-Obliger와 같은 도구를 활용할 수 있다.
의료 사물인터넷(IoMT)에서 ECG와 PPG 신호에 무결성 공격을 주입한 반가상 벤치마크 IoMT-SecAlarmBench를 제시한다. 4가지 공격 형태, 4단계 심각도, 2가지 생리적 타당성 조건, 재생 공격을 결합한 실험 설계를 통해 각 주입된 윈도우에 공격 원인과 정상 신호를 포함시켜 평가했다. 6가지 탐지기 평가 결과, 재생 공격과 낮은 진폭의 일시적 스파이크는 탐지 성능이 낮아 평균 수준에 가까웠으며, 공격 탐지와 센서 고장 구분 사이에 트레이드오프가 발생하는 것을 보였다.
의료 사물인터넷(IoMT) 보안 실무에서는 공격 탐지와 센서 고장 구분의 균형을 고려한 감지 기법을 개발해야 한다.
SILK는 RoT 인증 후 발생하는 TOCTOU 취약점을 해결하기 위해 가중치 스트림을 최종 계산 경계에서 인증하는 방식을 제안한다. INT8 기준 CNN에서 최대 0.76 pp, LLM에서 0.17 perplexity의 품질 손실을 보인다.
SILK는 RoT 보호 AI 시스템에서 발생하는 TOCTOU 취약점을 실시간 인증으로 보완할 수 있다.
XRP 레저 네트워크의 공격에 취약한 연결 구조를 분석하고, 새로운 엣지 증강 전략을 제안한다. 증강 전략은 기본 네트워크 구조보다 강건성을 3개 엣지 추가로 개선한다.
XRP 레저 운영자는 네트워크 연결성을 강화하기 위해 엣지 증강 전략을 검토할 필요가 있다.
신뢰할 수 있는 실행 환경(TEE)은 외부 간섭으로부터 민감한 코드와 데이터를 보호하지만 메모리 안전성이 부족하다. PRISM은 CHERI 기반의 TEE 아키텍처로, 프리즘 능력을 활용하여 사용자 공간 enclave를 생성하고 기존 문제를 해결하며 15% 이하의 오버헤드를 보인다.
PRISM은 CHERI 기반의 TEE 구현에서 메모리 안전성과 성능을 동시에 개선할 수 있는 새로운 접근법을 제시한다.
FRESCO는 CHERI 애플리케이션 프로세서의 스택 use-after-return 문제를 해결하기 위해 하드웨어/소프트웨어 협업 설계를 제안한다. FRESCO는 스택 포인터에 인식 식별자를 할당하여 함수 종료 시 자동 무효화함으로써 시간적 안전성을 보장한다.
이 연구는 CHERI 기반 시스템에서 시간적 메모리 안전성을 향상시키는 새로운 접근법을 제시하여, 실무에서 메모리 보호 기술의 설계에 영향을 줄 수 있다.
CTF 벤치마크에서 LLM 에이전트의 플래그 획득 경로를 분석하여 실제 공격과 단순 추측 등을 구분하는 CTF-ABACUS라는 추적 기반 감사 프레임워크를 제안한다. 1,435개의 CTF 시도를 분석한 결과, 추적 검증된 공격이 플래그 회수의 62-87%를 차지하는 것으로 나타났다.
이 결과는 CTF 평가에서 단순히 플래그 회수 수를 세는 방식에서 벗어나, 실제 공격을 검증하는 방식으로 전환할 필요가 있음을 시사한다.
컴퓨터 사용 에이전트(CUA)의 시각 인터페이스와의 안전한 상호작용 능력을 평가하는 ADeptS-Bench 벤치마크를 제안한다. 7개 모델을 평가한 결과, 80% 이상의 작업 성공률과 30% 이하의 공격 성공률을 동시에 달성하는 모델은 없으며, '체크아웃' 버튼 클릭이나 '공장 초기화' 버튼 오인정도를 보인다.
CUA의 안전성과 모호한 지시 처리 능력을 평가하는 ADeptS-Bench를 통해, 실무에서는 에이전트의 신뢰성 검증이 중요하다.
2026년 2분기 산업 자동화 시스템에서 악성 객체가 차단된 컴퓨터 비율을 지역과 산업별로 분석했다. 생체 인식 분야가 악성 스크립트, 피싱 페이지, 악성 문서 등 다양한 위협에서 1위를 기록했으며, 동아시아 지역이 인터넷 위협 증가율이 가장 높았다.
산업 자동화 시스템 보안 관리자는 생체 인식 분야와 동아시아 지역의 보안 위협 증가를 주의 깊게 모니터링해야 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.