PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2609.24036v1cs.AI

신뢰할 수 있는 LLM 생성 접근 제어 정책을 위한 구조화된 분해

Structured Decomposition for Reliable LLM-Generated Access Control Policies

본 논문은 자연어 접근 제어 정책(NLACP)을 Open Policy Agent(OPA)용 실행 가능한 Rego 코드로 변환하는 LLM 기반 시스템을 제시한다. 정책 탐지, 구성 요소 추출, 스키마 검증, 린팅, 컴파일, 자동화된 테스트 생성 및 실행을 포함하는 모듈형 end-to-end 파이프라인을 제공한다. 이 시스템은 사람이 읽을 수 있는 접근 요구사항과 기계적으로 집행 가능한 policy-as-code(PaC) 사이의 간극을 메우도록 설계되었으며, 배포 신뢰성과 보안 정확성에 초점을 둔다. 구조화된 분해와 스키마 인식 검증의 기여를 분리하기 위해, subject·action·resource 주석이 비어 있지 않은 372개의 ACRE-complete 접근 제어 문장에 대해 단일 프롬프트 LLM 기준선과 비교하여 시스템을 평가한다. 시스템은 end-to-end 정책 정확도 50.3%를 달성했으며, 기준선 15.3% 대비 3.3배 개선이다. 정책은 컴파일, 린팅, 양성·음성 테스트를 모두 만족할 때만 올바른 것으로 집계하므로, 이는 배포 가능한 정확성에 대한 엄격한 척도이다. 보안에 중요한 패턴에서, 시스템은 deny 정책의 87.5%에 대해 올바른 deny 의미론을 생성했고(기준선: 37.5%), 소유권 조건이 붙은 정책 100%에 대해 소유권 조건을(기준선: 40%), 상태 한정 조건이 붙은 정책 100%에 대해 상태 한정 조건을(기준선: 55.6%) 생성했다. 이 결과는 구조화된 분해와 스키마 인식 검증이 LLM 생성 인가 정책의 신뢰성 향상에 핵심적인 역할을 함을 시사한다.