이 연구는 AI 플래닝 기반 공격 체인 생성에서 AURORA가 사용하는 9개 범주 술어 표현(AALM)이 실제로 필요한지 검증했다. LLM이 기법을 술어로 번역하고 Fast Downward 플래너가 추론하는 파이프라인에서, 9개 범주 체계를 경험적으로 도출한 5개 범주 축소 체계와 비교했다. 두 체계는 설계상 계획의 유효성과 비용이 동일하도록 구성되어, 차이는 술어 범주의 해상도에서만 드러났다. Atomic Red Team 16개 기법 코퍼스에서 두 체계는 81.3% 동일한 결과를 보였고, 진짜 의미 있는 해상도 차이는 16개 중 단 1개 기법에서만 나타났다. 즉 높은 세분화는 공격 체인 자체의 타당성보다는 계획 근거의 내부 구조를 정교화하는 데 주로 기여한다는 결론이다.
- •AURORA의 9개 범주 공격 술어 체계(AALM)가 실제로 필요한지 실증 검증
- •LLM 번역 + Fast Downward 플래너 파이프라인으로 9개 vs 5개 범주 체계 비교
- •16개 ART 기법 중 81.3%는 두 체계 결과 동일, 실질적 차이는 1개 기법뿐
- •관리자 권한 보유와 네트워크 로그온 실행 가능 여부처럼 인과적으로 다른 상태를 구분하는 사례 존재
- •세분화는 공격 체인의 실효성보다 계획 근거의 내부 해상도를 높이는 데 기여
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
Symbolic Attack Chain Generation from Atomic Red Team Techniques: An Empirical Study of Predicate Representation Granularity
- 1.공격 체인 생성에서 술어(predicate) 표현 세분도가 계획 유효성·비용·충실도에 미치는 영향을 검증
- 2.LLM이 번역, Fast Downward 엔진이 결정론적 추론을 맡는 PDDL 기반 파이프라인 사용
- 3.AURORA의 9범주 AALM과 ART 근거로 도출한 5범주 축소안을 16개 기법 코퍼스에서 비교
- 4.두 체계의 결과가 81.3% 동일해 유효성·비용은 세분도에 둘플하지 않음을 시사
왜 중요한가?
AURORA 같은 최신 자동 공격체인 생성 시스템이 채택한 9범주 세분도가 실제로 필요한지 처음 검증해, 높은 세분도는 공격체인의 실효성보다 계획 정당화의 내부 해상도만 높인다는 실용적 결론을 냈다. 자동화된 위협 모델링·레드팀 도구 설계에서 불필요한 복잡도를 줄일 근거가 된다.
본문 미리보기
arXiv:2608.00143v1 Announce Type: new Abstract: Automated attack chain generation is critical for modern cybersecurity, yet manual construction fails to scale as adversary behaviors expand. While classical AI planning using PDDL offers a formal method to automate this process, it relies on the accurate translation of techniques into symbolic predicates. Current state-of-the-art systems like AURORA employ a nine-category Attack Action Linking Model (AALM), but the necessity of this specific gran
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 11:35AI 초안
