이 연구는 LLM 에이전트가 상태 없는 대화형 인터페이스에서 다단계 계획·도구 호출·코드 실행·영속적 메모리를 갖춘 자율 에이전트로 진화하면서, 잘못된 추론 한 단계가 무단 데이터 접근이나 되돌릴 수 없는 상태 변경, 연쇄 장애로 이어질 수 있다는 문제의식에서 출발한다. 저자들은 PRISMA 2020 지침에 따라 6개 데이터베이스에서 743편을 검토해 2023~2025년 발표된 85편의 에이전트형 LLM 보안 논문을 선별했다. 그 결과 공격 연구가 방어 연구보다 3.9대 1로 압도적으로 많았고, 프롬프트 인젝션·탈옥·적대적 섭동 등 인지 계층 취약점이 전체의 66%를 차지한 반면, 도구 오용·코드 인젝션·샌드박스 탈출 등 실제 위험이 큰 행동 계층 취약점 연구는 4.7%에 불과해 연구와 실제 위험 간 괴리가 드러났다. 논문은 인지·두뇌·행동·상호작용 4개 계층에 걸친 13가지 취약점 분류체계를 제시하고, 계층 간 약한 격리가 취약점을 전파시키는 '아키텍처 결합'을 핵심 문제로 지목했다.

• •2023~2025년 에이전트형 LLM 보안 논문 85편을 PRISMA 방법론으로 체계적 검토
• •공격 연구가 방어 연구보다 3.9배 많아 연구 불균형 확인
• •프롬프트 인젝션 등 인지 계층 연구가 66%인 반면 도구 오용 등 행동 계층은 4.7%에 그침
• •4개 계층 13개 취약점 분류체계 제시, 계층 간 약한 격리를 핵심 위험 요인으로 지목