이 논문은 프롬프트 인젝션 아티팩트의 구조를 공식화해 방어자·레드팀·위협정보(CTI) 팀이 취약한 문자열 매칭 없이도 공격을 라벨링·비교·변형할 수 있도록 한다. LLM이 다양한 자연어 표현을 동일한 실행 동작으로 컴파일한다는 점에 착안해, 표면적 문구가 아닌 공격자 의도(도구 대상, 싱크, 효과)를 추적하는 7요소 모델(전달체, 전달경로, 은폐, 컨텍스트 이탈, 권한상승, 페이로드, 반환채널)을 제안한다. 이 프레임워크는 HOUYI의 페이로드 분해, Promptware Kill Chain, 캠페인 분류체계가 부분적으로 다루던 역할을 통합하며, ReNeLLM 같은 최소 탈옥 프레임워크는 제한된 부분집합에 대한 투영으로 재해석한다. EchoLeak(CVE-2025-32711)과 실제 악성코드 AI 회피 사례를 통해 라벨링 규칙과 CTI 스키마 매핑 분석 기록을 예시로 제시한다.
- •문자열 매칭이 아니라 공격자 의도(도구 대상·싱크·효과) 기반의 7요소 프롬프트 인젝션 구조 모델 제안
- •HOUYI, Promptware Kill Chain, 캐페인 분류체계를 통합하는 프레임워크
- •EchoLeak(CVE-2025-32711) 등 실제 사례와 CTI 스키마 매핑 분석 기록 제공
- •ReNeLLM 같은 탈옥 기법을 모델의 제한된 부분집합 투영으로 재해석
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
The Anatomy of a Prompt Injection: A Component Model for Structured Analysis
본문 미리보기
arXiv:2608.07808v1 Announce Type: new Abstract: Four years after prompt injection was first identified in 2022, attacks are still predominantly documented as verbatim strings rather than structured exploits, despite advancing agent capabilities and threat actors embedding injections to subvert AI-assisted security analysis. This paper formalizes the structure of prompt-injection artifacts, enabling defenders, red teamers, and cyber threat intelligence (CTI) teams to label, compare, and mutate a
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 10:59AI 초안
