PyTorchKR Papers

최신 논문

총 3편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2609.22573v1cs.CR

엔터프라이즈 MCP를 위한 제로 트러스트 인가 및 디스커버리

Zero-Trust Authorization and Discovery for Enterprise MCP

LLM 에이전트는 공격자가 제어할 수 있는 텍스트를 포함할 수 있는 자연어 문맥을 특권 도구 호출로 변환하므로, 에이전트가 프롬프트 인젝션을 당하거나 적대적으로 유도되더라도 인가는 계속 유효해야 한다. Model Context Protocol(MCP)은 이러한 경계를 위한 널리 채택된 인터페이스가 되었지만, 공식 SDK의 인증·인가 기본 요소는 엔터프라이즈 제로 트러스트 요구사항—특히 하나의 서버가 인간 사용자(기업 SSO)와 자동화된 에이전트(다른 헤더의 서비스 계정 자격 증명)를 모두 제공해야 하는 이중 페르소나 모델—에 미치지 못한다. 우리는 조사한 6개 MCP SDK(Python, TypeScript, Go, Rust, C#, Swift)에 대한 체계적 갭 분석을 수행하고 세 가지 구조적 한계를 확인한다: 단일 Authorization 헤더에 묶인 자격 증명 추출로, 커스텀 미들웨어 없이는 이중 페르소나 배포가 복잡해짐; 사전 인증 도구 디스커버리의 부재; 기본 SDK에서 도구별 세분화된 인가의 부재. 프로토콜이나 SDK 내부를 수정하지 않고, FastMCP에 대한 조합 가능한 확장으로 이러한 공백을 메운다: 인간 호출자와 서비스 계정 호출자를 모두 받는 엔터프라이즈 배포를 위한 크로스 헤더 자격 증명 정규화, 이종 IdP에 걸친 캐시된 토큰 검증, 자격 증명 없는 레지스트리 디스커버리를 위한 비인증 메타데이터 엔드포인트, 단일 선언형 어노테이션으로 도구별 호출 강제와 일관되게 유지되는 권한 필터링 도구 가시성. 4개의 최신 LLM에 걸친 2160회 시도에서, 본문 검사만 수행하는 서버는 여전히 금지된 도구를 노출한다(152/720, 21.1%), 반면 권한 인식 가시성은 해당 비율을 0/720으로 낮춘다; 가시성만 필터링하는 방식은 스크립트 클라이언트에 의해 우회 가능했고, 프롬프트에서 추론 가능한 설정에서는 모델이 숨겨진 도구를 이름으로 참조하는 비율이 최대 94%에 달해, 디스커버리 통제만으로는 호출 시점 강제를 대체할 수 없음을 확인한다.

arXiv:2607.22611v1cs.AI

중요 인프라에서 에이전트형 AI 시스템을 위한 분산형 세분화 접근 제어

Decentralized Granular Access Control for Agentic AI Systems in Critical Infrastructure

프로덕션 인프라에 자율 AI 에이전트를 배치하면, 기존 역할 기반 접근 제어(RBAC) 모델로는 해결할 수 없는 근본적인 보안 과제가 발생한다. 결정론적 자동화와 달리 AI 에이전트는 확률적(stochastic) 행동을 보이므로, 중요 시스템에 대한 접근을 통제하기에 기존 신뢰 모델로는 불충분하다. 본 논문은 중요 클라우드 인프라에서 운영되는 에이전트형 AI 시스템을 위해 특별히 설계된 분산형 다계층 접근 제어 아키텍처를 제시한다. 우리 프레임워크는 네 가지 핵심 혁신을 도입한다: (1) 에이전트 행동을 위임된 인간 권한에 연결하는 복합 신원 모델, (2) 글로벌 플랫폼 접근부터 매개변수별 제약까지 다섯 단계의 세분화 수준에 걸친 계층적 권한 시스템, (3) 도구 팀이 각자의 인가 경계를 독립적으로 관리하는 분산형 정책 소유 모델, (4) 자율 에이전트가 고위험 작업을 실행하지 못하도록 하는 안전성 인터록(safety interlocks)을 갖춘 점진적 신뢰 상승. 우리는 설계를 대규모 언어 모델(LLM) 애플리케이션용 OWASP Top 10(2025) 위협 분류체계에 기반을 두고, 각 아키텍처 결정이 특정 공격 벡터를 어떻게 완화하는지 보여준다. 수백 개의 데이터센터에 걸친 네트워크 인프라를 관리하는 주요 클라우드 제공업체의 프로덕션 환경에 배포된 본 시스템은, 20개 이상의 전문 AI 에이전트와 60개 이상의 결정론적 플레이북에 대해 세분화된 접근 제어를 시행하며, 매일 수천 건의 작업을 처리하면서 8개월간의 프로덕션 배포 기간 동안 무단 쓰기 작업을 0건으로 유지했다. 우리는 접근 패턴 분포, 거부율, 그리고 비결정론적 행위자에 의한 권한 상승을 방지하는 다층 인가의 효과에 대한 실증 데이터를 제시한다.

arXiv:2607.05518v1cs.CR

aiAuthZ: AI 에이전트를 위한 오프-호스트, 신원 바인딩 인가

aiAuthZ: Off-Host, Identity-Bound Authorization for AI Agents

AI 에이전트가 검증할 수 없는 텍스트를 기반으로 툴 호출을 수행해 프롬프트 인젝션(prompt injection) 공격에 취약하다는 문제를 해결하기 위해, 에이전트 호스트 외부에 인가(authorization) 게이트웨이를 두어 메시지별 HMAC-SHA256 서명으로 호출자 신원을 검증하고 에이전트가 접근·수정할 수 없는 역할 기반 정책을 적용하는 aiAuthZ를 제안한다. 15개 언어 모델을 대상으로 한 평가에서 게이트웨이 적용 후 잔여 공격 성공률이 0%로 감소했으며, AgentDojo 벤치마크와 실제 사고 코퍼스 사례 연구에서도 기존 기준선 대비 월등한 차단 성능을 0.03ms 이하의 결정 지연으로 달성했다.