Generation, Not Selection: LLM Proposals for Certified Access-Control Policy Mining↗ (원문, 새 창)

연구진이 접근제어 정책을 자동 생성하는 과정에서 기존의 '규칙 선택' 방식 대신 언어모델이 속성명을 바탕으로 규칙을 직접 '제안'하는 방식을 제시했다. 생성된 규칙은 여전히 관찰된 거부 기록과 대조해 걸러지므로 안전성은 유지되며, 희귀한 예외 규칙을 기존의 기록 기반 생성 방식보다 잘 찾아낸다. 두 개 기업 도메인에서 5회 반복 실험한 결과 10건 모두에서 기존 방식을 능가했고, 규칙 수가 최적값에 근접하면서(9.2~9.6개 대 최적 9개) 잘못된 접근 허용 건수는 4~7배 줄었다. 접근 로그에 증거가 희박한 상황에서 언어모델의 의미 기반 추론이 보안 정책 자동화의 효과적인 대안이 될 수 있음을 보여준다.

• 접근제어(ABAC) 정책 마이닝에서 언어모델이 속성명 기반으로 규칙을 의미적으로 '제안'하는 방식 제시
• 제안된 규칙은 관찰된 거부 기록과 대조해 걸러지므로 안전성 보장은 유지됨
• 두 기업 도메인, 5회 반복 실험 10건 모두에서 기존 규칙 기반 생성 방식보다 우수
• 최적 규칙 수(9개)에 근접한 9.2~9.6개 규칙 도출, 잘못된 접근 허용 4~7배 감소
• 속성명을 익명화하면 언어모델의 규칙 복원력이 3분의 2가량 저하돼 의미 정보의 중요성 입증