LLM이 사이버보안 방어 선택 같은 구조화된 안전 추론을 실제로 수행하는지, 아니면 표면적 단서와 사전지식에만 의존하는지를 랜섬웨어·공급망 침해·클라우드 남용·쿠버네티스 공격·POS 악성코드·ICS/OT 침입 등 실제 위협 시나리오의 공격 그래프로 검증한 연구다. 예산 제약 하에서 공격자 성공을 최소화하는 보안 통제를 선택하도록 하고, 게임이론적 최적화 기준선과 비교했다. 명시적 공격 그래프 구조가 주어지면 LLM은 최적화 기준선에 근접한 전략을 산출했지만, 그래프가 복잡해질수록 취약해지고 프레이밍에 매우 민감했다 — 프롬프트를 조금만 바꾸거나 나쁜 전략을 "최적"이라고 재라벨링하는 것만으로도 평가가 크게 달라졌다. LLM이 생성한 최적화 솔버는 고수준 정식화는 맞았지만 전용 솔버 대비 확장성이 떨어졌다. LLM은 통제된 표현 하에서 구조화된 보안 추론을 근사할 수는 있지만 견고하게 적용하지는 못한다는 결론이다.

• •랜섬웨어·공급망·클라우드·쿠버네티스·POS·ICS/OT 등 실제 위협 공격 그래프로 LLM 방어 선택 능력 검증
• •명시적 그래프 구조 제공 시 게임이론 최적화 기준선에 근접한 전략 산출
• •그래프 복잡도가 높아질수록, 프레이밍(프롬프트 문구)에 따라 성능이 크게 흔들림
• •나빼 전략을 "최적"이라 재라벨링만 해도 평가가 크게 개선되는 취약성 확인
• •LLM이 생성한 최적화 솔버는 정식화는 맞지만 전용 솔버 대비 확장성 부족