정적 애플리케이션 보안 테스팅(SAST) 도구들은 정밀도·실행시간·확장성 등 성능을 높이기 위해 탐지력을 희생하는 설계 선택을 하며, 이는 대상 코드나 분석 기법에 대한 특정 가정에 의존한다. 이 논문은 그런 가정이 실제로 유효한지, 즉 탐지력을 희생한 만큼 성능 향상을 얻고 있는지를 묻는다. 저자들은 SAST 도구의 가정이 대체로 인과적 성격을 띤다는 관찰에 기반해 이를 검증 가능하게 만드는 인과분석 프레임워크 'CAUSEC'을 제안하며, 가정 주도 인과모델링과 효과 추정·검증을 결합해 단순 상관관계를 넘어 성능 변화의 이유를 설명한다. 암호화 API 오용 탐지 SAST에 대한 체계적 문헌 리뷰를 통해 57개 가정을 발굴·분석했고, 5만7038건의 수동 라벨링된 경고로 구성된 데이터셋을 이용해 4개 주요 도구에서 대표적인 가정을 실제 검증해 CAUSEC의 유용성과 강건성을 입증했다.

• •SAST 도구가 성능(정밀도·속도·확장성)을 위해 탐지력을 희생하는 설계 가정이 실제로 유효한지 검증
• •인과분석 프레임워크 CAUSEC 제안, 가정을 인과모델·효과추정·검증으로 테스트
• •암호화 API 오용 탐지 SAST 문헌 리뷰에서 57개 가정 발굴·정성 분석
• •5만7038건 라벨링 데이터셋으로 4개 주요 도구에서 대표 가정 검증, 3가지 향후 시사점 도출