연구진은 장기 실행 LLM 에이전트의 보안 취약성을 분석할 때 흔히 사용하는 '실행 단계 수'가 실제 보안 분리 정도를 과대평가할 수 있음을 보였다. 이를 보완하기 위해 결정론적 상태·식별자·도구 출처로 에이전트 이벤트를 연결한 출처 인식 실행 그래프를 도입하고, 신뢰할 수 없는 소스에서 민감한 행동까지의 최단 구조적 경로인 '영향 거리'를 정의해 순서 기반 궤적의 최단 경로인 '순서 거리'와 비교했다. OpenAI와 Claude 모델에서 나온 360개의 장기 실행 AgentDojo 궤적 중 454개의 주입-싱크 쌍을 분석한 결과, 96.9%의 쌍에서 순서 거리가 영향 거리보다 컸으며 중앙값 격차는 9홉에 달했다. 결정론적 영향 거리 기반 사전 실행 게이트는 순서 기반 게이트가 놓친 5개의 공격 싱크를 추가 차단하는 데 성공했다.

• •실행 단계 수는 장기 LLM 에이전트의 실제 보안 분리를 과대평가할 수 있음을 규명
• •출처 인식 실행 그래프 기반 '영향 거리'를 '순서 거리'와 비교하는 프레임워크 제안
• •454개 주입-싱크 쌍의 96.9%에서 순서 거리가 영향 거리를 초과, 중앙값 격차 9홉
• •뱅킹 스위트 231개 쌍 중 33.8%가 서로 다른 출처 메커니즘으로 분리됨
• •영향 거리 기반 사전 실행 게이트가 기존 게이트가 놓친 공격 5건 추가 차단