LLM 기반 에이전트 시스템의 보안 감사를 위한 통합 그래프 표현 Agent-BOM을 제안합니다. 기존의 정적 SBOM이나 런타임 로그는 에이전트의 인지 상태 진화, 능력 바인딩, 메모리 오염, 교차 에이전트 위험 전파를 포착하지 못합니다. Agent-BOM은 모델·도구·장기 메모리 등 정적 능력 기반과 목표·추론 궤적·행동 등 동적 런타임 상태를 분리하는 계층적 속성 방향 그래프로 에이전트 시스템을 모델링합니다. OWASP 에이전트 Top 10 기반 실제 공격 시나리오 평가에서 세션 간 메모리 오염, 공급망 탈취, 멀티 에이전트 생태계 하이재킹 등의 스텔스 공격 체인을 성공적으로 재구성했습니다.
- •LLM 에이전트의 의미론적 실행 패러다임은 저수준 물리 이벤트와 고수준 실행 의도 간 심각한 의미 격차를 만들어 기존 감사 도구로는 사후 보안 분석이 근본적으로 어렵다.
- •Agent-BOM은 정적 능력 기반(모델·도구·장기 메모리)과 동적 런타임 상태(목표·추론 궤적·행동)를 분리하는 계층적 속성 방향 그래프로, 단편화된 실행 흔적을 질의 가능한 감사 경로로 변환한다.
- •그래프 쿼리 기반 경로 수준 위험 평가 패러다임을 구축하고 OWASP 에이전트 Top 10을 인스턴스화하며, OpenClaw 환경에서 라이브 실행으로부터 Agent-BOM을 구성하는 감사 플러그인을 구현했다.
- •세션 간 메모리 오염과 도구 오용, 능력 공급망 하이재킹, 멀티 에이전트 생태계 탈취, 권한·신뢰 남용 등 실제 공격 시나리오에서 스텔스 공격 체인 재구성에 성공했다.
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.
Towards Security-Auditable LLM Agents: A Unified Graph Representation
- 1.LLM 에이전트 시스템의 보안 감사를 위한 통합 구조 표현 Agent-BOM 제안
- 2.정적 역량 기반과 동적 런타임 의미 상태를 계층적 방향 그래프로 모델링
- 3.OWASP Agentic Top 10 기반 그래프 쿼리 방식의 경로 수준 리스크 평가 구현
- 4.크로세션 메모리 오염, 도구 오용, 멀티 에이전트 하이재킹 등 공격 체인 복원에 성공
왜 중요한가?
복잡한 에이전트 시스템에서 보안 감사와 공격 원인 분석을 가능하게 하는 통합 기반을 제공하며, AI 에이전트 보안 연구의 실용적 기여도가 높다.
본문 미리보기
arXiv:2605.06812v1 Announce Type: new Abstract: LLM-based agentic systems are rapidly evolving to perform complex autonomous tasks through dynamic tool invocation, stateful memory management, and multi-agent collaboration. However, this semantics-driven execution paradigm creates a severe semantic gap between low-level physical events and high-level execution intent, making post-hoc security auditing fundamentally difficult. Existing representation mechanisms, including static SBOMs and runtime
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 13:10AI 초안
