LLM 에이전트가 컴퓨팅 인프라, 자격증명, 사용 예산, 신원, 통신 채널 같은 고가치 자원에 점점 더 많이 연결되면서, 이 연구는 공격자가 자격증명을 직접 탈취하지 않고도 에이전트를 유도해 이런 자원을 호출·소비·이전·통제하게 만드는 '에이전트 자원 하이재킹'이라는 새로운 보안 사각지대를 처음으로 규명했다. 이를 연구하기 위해 자동화된 공격 생성 파이프라인과 함께 ResourceHijackBench를 구축해 고가치 자원을 6개 범주로 분류하고 300개 공격 시나리오, 900개 공격 프롬프트를 만들었다. 추가 방어가 없을 때 OpenClaw는 평균 84.06%의 공격 성공률을 보였고 모델 백엔드에 따라 69.98~89.58% 범위에서 일관되게 효과적이었으며, 가장 강력한 기존 방어를 적용해도 평균 공격 성공률이 55.11%에 달해 현재 방어가 불충분함을 보여줬다.

• •자격증명 탈취 없이 자원 자체를 하이재킹하는 새로운 공격 유형 최초 체계화
• •300개 시나리오·900개 프롬프트로 구성된 ResourceHijackBench 구축
• •방어 없는 상황에서 OpenClaw 공격 성공률 평균 84.06%
• •다양한 모델 백엔드에서 69.98~89.58% 성공률로 일관되게 효과적
• •최강 방어를 적용해도 성공률 55.11% 잔존, 기존 방어 불충분