CyberLLM은 소프트웨어 정의 차량(SDV)의 확장된 공격 표면에서 취약점을 자율 탐지하고 대응하되, 사람의 감독 없이 행동해서는 안 되는 안전 제약을 지키는 멀티에이전트 LLM 프레임워크다. 정규식·AST 분석·토폴로지 그래프 검사로 구성된 결정론적 탐지 계층에 LLM 정제 단계를 결합해 높은 재현율과 정밀도를 동시에 확보하며, 모든 행동은 4가지 맥락적 보안 속성과 독립적인 행동 정합성 오라클의 검증을 통과해야만 실행되고 거부된 행동은 에스컬레이션과 재계획으로 이어진다. C, C++, Rust로 작성된 9개의 실제 자동차 ECU 모듈에 47개의 취약점을 심어 검증한 결과, 결정론적 계층만으로는 완벽한 정밀도로 34%의 취약점을 탐지했지만 LLM 정제와 완결성 검사를 추가하자 탐지율이 약 70%(F1 0.83)로 거의 두 배가 되었고 정상 대조군에서는 오탐이 없었다. 결정론적이고 감사 가능한 안전 테두리 안에서 LLM 에이전트가 유용한 자율 사이버 방어를 수행할 수 있음을 보여준다.

• •결정론적 탐지 계층과 LLM 정제를 결합한 자동차 사이버보안 멀티에이전트
• •모든 행동이 4가지 보안 속성과 독립 오라클 검증을 거쳐야 실행
• •9개 ECU 모듈·47개 취약점 벤치마크에서 탐지율 34%→약 70%(F1 0.83)로 향상
• •정상 대조군에서 오탐 0건, 결정론적 안전 테두리 내 LLM 자율 방어 가능성 입증