연구 요약과 시사점은 AI가 공개 초록을 정리한 것입니다(AI 생성). 연구를 누르면 원문이 새 창에서 열립니다.
다중 에이전트 LLM 시스템에서 신뢰 전파와 구조적 격리를 실증적으로 연구하고, 공격 전파 경로와 방어 기법을 제시한다. 메모리 오염 공격은 방어되지 않은 경우 100% 실행에 도달했으며, 권한 검증을 통해 100%의 판단 우회율(JBR)을 달성하면서 0%의 비보안 행동률을 보였다.
시사점 다중 에이전트 LLM 시스템에서 구조적 권한 검증을 통해 공격 전파를 격리할 수 있음을 보여주어, 실무에서 권한 분리 설계에 주목할 필요가 있다.
지속 실행 프레임워크에서 실행 단계를 저널링하고 결정적 재생을 통해 상태를 재구성하는 방식을 분산된 인증된 로그로 대체하는 아키텍처를 제안한다. 실행자 이계는 쿼럼 최종화된 클로저 인증서로 관리되며, 내구성, 타임아웃, 체크포인트 결정은 명시적 인증서로 이루어진다.
시사점 이 아키텍처는 중앙 집중식 저널링 방식의 보안 취약성을 줄이고 분산 환경에서의 워크플로우 상태 관리를 개선할 수 있다.
보안팀은 NightEagle 그룹이 러시아 기업을 표적으로 삼아 GhostContainer 백도어와 트래픽 리디렉션 기법을 사용한 공격을 분석했다. 공격자는 Microsoft Exchange 서버를 탈취하고 RDP를 통해 내부 네트워크로 이동하며 Active Directory 취약점을 악용했다.
시사점 러시아 기업은 GhostContainer 백도어와 RDP 기반의 트래픽 리디렉션, Active Directory 취약점 악용 공격에 주의해야 한다.
AMOS 스틸러는 macOS 시스템을 표적으로 하는 정보 스틸러 악성코드로, 2024년 4월 텔레그램에서 처음 홍보되었다. 2026년 8월 감염 사례를 분석하여, 악성코드의 배포 방식과 데이터 유출 경로를 조사했다.
시사점 AMOS 스틸러는 macOS 환경에서 다양한 애플리케이션의 민감 정보를 유출하며, 배포 방식과 네트워크 인프라가 빈번히 변경된다.
AI 기술이 사이버 위협을 가속화하고 SMB의 보안 대응을 분석한다. 73%의 SMB가 AI를 도입했으며, 40%는 적절한 AI 정책을 갖추지 못했다. 90만 개의 AI 스킬 중 2.8만 개가 의심스럽고 3,000개 이상이 악성으로 판별되었다. 프롬프트 인젝션과 AI 기반 악성코드 개발이 주요 위협으로 지적된다.
시사점 SMB는 AI 도입 시 보안 정책 강화와 AI 스킬 검증을 통해 위협을 방지해야 한다.
Tirith는 사용자 프라이버시를 보호하면서 반칙을 감지하는 반칙 방지 아키텍처를 제안한다. 게임을 보호된 가상 머신에서 실행하고 신뢰할 수 있는 가상화 모니터를 활용해 기존 커널 수준 반칙 방지 도구를 대체한다.
시사점 Tirith는 반칙 방지를 유지하면서 사용자 프라이버시를 보호하는 새로운 방식으로, 개인용 컴퓨터에서 보안 아키텍처 설계에 참고할 수 있다.
이 연구는 CHERI 아키텍처에서 상수 시간 정책 하에서 보안 추측을 제공하는 새로운 프로세서 설계인 SCHERI를 제안하고, 이 설계가 보안 보장을 형식적으로 증명함을 보인다. SCHERI는 기존 제안이 기밀성 보장을 유지하지 못함을 보여주고, 새로운 프레임워크를 통해 잠재적 유출을 입증한다.
시사점 이 연구는 CHERI 기반 프로세서 설계에서 Spectre 공격에 대한 내성을 갖춘 보안 추측을 구현할 수 있는 실질적 가이드라인을 제공한다.
기존 단방향 완전 암호화 프로토콜(FEPs)의 결함을 분석하고, 양방향 통신에서의 보안 정의와 구조를 제안한다. Rust 구현을 통해 제안된 BiFEPs가 기존 프로토콜보다 보안 속성을 더 잘 만족함을 보인다.
시사점 이 연구는 양방향 암호화 통신의 보안을 강화하는 데 기여하며, 실무에서 더 안전한 프로토콜 설계를 위한 기초가 될 수 있다.
자율 시스템에서 사이버 공격으로 인한 물리적 안전 위협을 해결하기 위해, RobResilience라는 회복력 프레임워크를 Webots 시뮬레이션 환경에서 구현하고 평가했다. 8가지 공격 시나리오를 통해 프레임워크의 실행 시 동작이 이론적 정의와 일치함을 확인했다.
시사점 이 연구는 자율 시스템의 사이버 공격에 대한 회복력을 평가하고 실행 시 결정을 내리는 프레임워크를 제시하여, 실제 시스템 설계 시 안전성을 강화하는 데 참고할 수 있다.
스마트폰 스플래시 광고는 사용자가 앱을 시작할 때 나타나는 전체 화면 광고로, 사용자를 다른 제3자로 리디렉션하는 트리거 메커니즘을 활성화시킬 수 있다. 108개의 광고 방어 구현을 분석한 결과, 이러한 광고를 차단하는 데는 장치 루팅, 런타임 코드 주입, 앱 수정 등의 배리어가 있는 것을 확인했다.
시사점 이 연구는 기존 방어책의 한계를 드러내며, 스마트폰 제조사가 더 친근하고 규제된 플랫폼을 제공하도록 유도할 필요성을 강조한다.
GAUGE는 다양한 적대자 비용 모델에서 암호 보안성을 함수로 표현하는 새로운 프레임워크를 제안한다. 평가 결과, ML-KEM-512 대 AES-128의 순위 역전은 메모리 가격이 4-5% 상승할 때 발생하며, 8년간 격자-스리빙 비용이 연 9.79비트 증가하는 것으로 나타났다.
시사점 이 연구는 다양한 비용 모델 하에서 암호 알고리즘의 보안성을 비교할 수 있는 체계적 방법을 제공하여, 실무에서 보안 평가의 신뢰성을 높일 수 있다.
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.
시사점 이 연구는 어셈블리 코드 분석에서 의미 정보를 활용한 새로운 접근법을 제시하여, 소스 코드가 없는 환경에서의 취약점 탐지 정확도를 높이는 데 기여한다.
Wi-Fi 신호 데이터를 활용한 개인 위치 추정 기법을 제안한다. RSSI 데이터를 CSI 기반 모델에 입력하여 약 80%의 신뢰도로 인간 위치를 예측할 수 있음을 보인다.
시사점 IoT 기기에서 RSSI 데이터를 수집해 개인 위치를 추정할 수 있어, Wi-Fi 환경에서의 프라이버시 침해 위험이 증가한다.
CMS 플러그인에서 로그 파일 노출 취약점을 자동으로 탐지하는 에이전트 기반 LLM 프레임워크를 제안한다. 300개의 가장 많이 설치된 WordPress 플러그인에서 81건의 취약점을 발견하여 79건을 재현하였다.
시사점 CMS 플러그인 개발자는 로그 파일 보호를 위해 다층적 보호 조치를 구현해야 한다.
하이브리드 양자-고전 워크플로우의 무결성을 위한 새로운 프레임워크를 제안하고, 3,600개 라벨 개입 실험을 통해 정확도 0.048--0.059의 오작동률을 보인다.
시사점 양자-고전 하이브리드 시스템의 무결성 검증에 새로운 접근법을 제시하지만, 실무 적용 가능성은 추가 연구가 필요하다.
스마트 그리드의 사이버보안을 분석하고 IT와 OT 환경의 차이점을 강조한다. IEC 62351, IEC 62443, ISO 27001 표준을 분석하고 AI 기반 위협 탐지 연구 동향을 조사한다.
시사점 스마트 그리드 보안 구축 시 IT/OT 환경 차이를 고려하고 AI 기반 탐지 기술을 활용해야 한다.
LLM의 디코딩 단계에서 비선형 연산의 비효율성을 해결하기 위해 CKKS/TFHE 하이브리드 프레임워크인 ROSETTA를 제안한다. ROSETTA는 기존 CacheMir 대비 최대 4.8배의 Softmax 속도 향상과 1.5~2.1배의 종단 간 속도 향상을 달성한다.
시사점 LLM의 프라이버시 보호 디코딩을 효율적으로 수행할 수 있는 ROSETTA 기법을 통해 인퍼런스 성능을 개선할 수 있다.
RAG 시스템의 중독 공격 방식인 InceptionRAG를 제안하고, 기존 방어 메커니즘이 새로운 공격에 취약함을 보인다. 3개 데이터셋과 3개 LLM에서 80% 이상의 공격 성공률을 기록했다.
시사점 RAG 시스템의 보안 설계 시 다중 추론 기반의 중독 공격 가능성에 주의해야 한다.
모바일 에이전트가 사용자와 다른 UI 정보를 인식하는 '사용자-에이전트 UI 비동기화' 현상을 발견하고, 이를 악용한 공격 가능성을 실증했다. 정적·동적 평가에서 평균 유도율 77.9%와 66.9%를 기록했다.
시사점 모바일 에이전트의 UI 인식 차이를 악용한 공격 가능성을 확인해, 모바일 애플리케이션 개발 및 보안 검증 시 UI 동기화 검증을 강화해야 한다.
자율 AI 펜테스트 에이전트의 보안 분석을 수행하고, 공격 범주화와 기존 방어 기전의 한계를 제시한다. 공격 범주와 방어 기전 개선 방향을 제시한다.
시사점 AI 펜테스트 에이전트의 보안 위협을 이해하고, 아키텍처와 맥락에 기반한 방어 기전 개발이 필요하다.
LLM 워터마크에 대한 도용, 제거, 위조 공격을 통합 평가 프레임워크로 분석하고 공격 효과성과 텍스트 품질을 결합한 평가 지표를 제안한다. 실험 결과에 따르면 텍스트 품질 제약 하에서 일반적인 재작성 공격이 강력한 기준이 되는 것을 보인다.
시사점 LLM 워터마크 보안 평가 시 텍스트 품질과 공격 효과성을 동시에 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.