LLM이 취약점 평가에 도입되며 환각된 취약점, 그럴듯하지만 틀린 패치, 재포장된 버그 리포트 같은 'AI 슬롭'이 쏟아져 인간 심사 과정에 서비스거부공격(DoS)에 준하는 부담을 준다고 지적하는 서베이 논문이다. 저자들은 AI 슬롭의 근본 원인을 보안 전문가의 인과적·연역적 추론과 LLM의 자기회귀적 확률 생성 사이의 간극으로 규정하고, 이를 측정하는 지표로 '연역적 커버리지 점수'를 제안한다. 사고연쇄(CoT) 프롬프팅과 도구 사용 에이전트는 이 간극을 줄이지만 완전히 없애지는 못한다는 점도 보였다. 워터마킹 등 기존 완화책은 정확성이 아닌 출처만 겨냥한다고 비판하며, 능동적 뉴로심볼릭 검증과 CVE-Bench, Slop-Score라는 두 평가 도구를 대안으로 제시한다.

• •'AI 슬롭': 환각된 취약점, 오류 패치, 재포장 버그 리포트가 인간 심사에 DoS급 부담 유발
• •근본 원인은 보안 전문가의 연역적 추론과 LLM 자기회귀 확률 생성 사이 간극
• •측정 지표로 '연역적 커버리지 점수(Deductive Coverage Score)' 제안
• •CoT 프롬프팅·도구 사용 에이전트는 간극을 줄이지만 완전 해소는 못함
• •대안으로 능동적 뉴로심볼릭 검증과 평가 도구 CVE-Bench·Slop-Score 제시