모바일 에이전트의 자연어 보안 정책 위반 여부를 감사하는 경량 시스템 MATE가 공개됐다. MATE는 에이전트 궤적과 자연어 보안 정책을 함께 인코딩해 위반 여부와 그 이유를 판별하며, 정책을 고정된 모델 파라미터가 아닌 편집 가능한 텍스트로 취급해 재학습 없이 사용자 정의·변경되는 요구사항에 대응한다. 연구진은 수백 개 인기 모바일 앱에서 앱 설명·워크플로·정책을 추출하고 14만 건 이상의 정책 조건부 궤적을 합성해 지식베이스를 구축했으며, 감사 벤치마크 MATEBench도 함께 공개했다. MATE로 학습한 모델은 MATEBench에서 95% 이상의 정확도를 기록했고, 지프AI의 AutoGLM과 알리바바의 Mobile-Agent 실기기 궤적 감사에서도 95% 이상 정확도로 기존 방법을 20%포인트 이상 앞섰다.

• •에이전트 궤적과 자연어 보안 정책을 함께 인코딩해 위반 여부·이유를 판별하는 MATE
• •정책을 편집 가능한 텍스트로 다뤄 재학습 없이 정책 변경에 대응
• •14만 건 이상 합성 궤적으로 지식베이스 구축, 감사 벤치마크 MATEBench 공개
• •MATEBench 정확도 95% 이상, 실기기 AutoGLM·Mobile-Agent 감사서도 95% 이상
• •기존 방법 대비 정확도 20%포인트 이상 우위