이 논문은 도구 사용 에이전트의 보안 평가에서 저장된 라벨을 실제 행동 사실과 동일시하는 관행을 감사했다. 10,200개 실행 기록을 180개 모델 요청, 45개 의미적 요청, 15개 관측 자극으로 추적한 결과, 기존 채점 방식이 처리 방식에 따라 공격성공(ATTACK_SUCCESS) 분류가 달라지는 '처리 누출' 문제를 안고 있었음을 발견했다. 처리 방식을 모른 채 재구성한 결과 기존 라벨 58건이 정상적인 허용된 완료로 정정됐고, 검증된 보호 데이터 유출 3건과 별도의 무단 전달 1건만 남았다. 저자들은 이를 개선하기 위한 7단계 무결성 체인과 실행 가능한 검증 도구를 함께 제시한다.

• •10,200개 실행 기록을 추적해 보안 라벨과 실제 행동 사실의 불일치를 감사
• •기존 채점 방식이 처리(treatment) 정보에 따라 공격성공 분류가 달라지는 '누출' 문제 발견
• •재구성 결과 기존 라벨 58건이 정상 완료로 정정, 실제 유효 사건은 유출 3건·무단전달 1건만 남음
• •7단계 무결성 체인과 실행 가능한 엔드포인트 무결성 검증 도구 제안