한국어 초록
에이전트형 엔지니어링 시스템은 저장소를 편집하고, 도구와 테스트를 실행하며, 펌웨어를 빌드하고, 회로도를 합성하며, 배포 가능하거나 제조 가능한 아티팩트를 준비할 수 있습니다. 따라서 보증 문제는 에이전트가 출력을 생성할 수 있는지 여부에서, 엔지니어링 수명주기가 해당 출력에 대한 주장에 기반하여 조치를 취하는 것이 정당화되는지 여부로 전환되고 있습니다. 현재의 제품과 표준은 샌드박스, 승인, 훅(hook), 추적, 정책 집행, 증명, 부품 목록(BOM), 보증 표현을 제공하지만, 이러한 기능들은 여전히 파편화되어 있습니다. 본 논문은 소프트웨어, 펌웨어 및 PCB 엔지니어링을 위한 도메인 간 전이 계약인 Agile-V Assurance Spine을 제시합니다. 증거는 권한 있는 소스 프로파일을 통해 필수 속성을 확립하고, 정확한 아티팩트 및 동결된 정책 기준선(baseline)에 결속되며, 선언된 종속성에 대해 최신 상태를 유지하고, 위험 수준에 부합하는 독립성과 권한을 충족할 때에만 인정됩니다. 게이트 결정은 영수증(receipt)으로 기록되며, 승인 및 예외 처리는 정확한 범위와 시간 제한을 가지며, 병합, 배포, 플래싱, 출시 또는 제작 전 영향 경계(effect boundary)에서 인가가 재확인됩니다. 최신 연구, 상용 플랫폼, 오픈소스 인프라 및 표준에 대한 한정된 검토를 통해 증거 기반 게이트 수명주기 제어, 지속적 보증, 런타임 수락, 출처(provenance) 및 AI/ML 인벤토리와 비교하여 모델(model)의 위치를 규명합니다. 본 논문은 정밀한 용어 체계, 구성 가능한 아키텍처, 도메인 프로파일, 오픈소스 구현과의 매핑, 그리고 적대적 평가(evaluation) 아젠다를 기여로 제시합니다. 규제 적합성이나 입증된 프로덕션 우수성을 주장하지는 않습니다.
원문 초록
Agentic engineering systems can edit repositories, run tools and tests, build firmware, synthesize schematics, and prepare deployable or manufacturable artifacts. The assurance problem is therefore shifting from whether an agent can produce an output to whether an engineering lifecycle is justified in acting on claims about that output. Current products and standards provide sandboxes, approvals, hooks, traces, policy enforcement, attestations, bills of materials, and assurance representations, but these capabilities remain fragmented. This paper presents the Agile-V Assurance Spine, a cross-domain transition contract for software, firmware, and PCB engineering. Evidence is admitted only when it establishes required properties through an authoritative source profile, is bound to the exact artifact and frozen policy baseline, remains current with respect to declared dependencies, and satisfies risk-appropriate independence and authority. Gate decisions are recorded as receipts; approvals and exceptions are exact-scope and time-bounded; and authorization is rechecked at the effect boundary before merge, deployment, flashing, release, or fabrication. A bounded review of contemporary research, commercial platforms, open-source infrastructure, and standards positions the model relative to evidence-gated lifecycle control, continuous assurance, runtime admission, provenance, and AI/ML inventories. The paper contributes a precise vocabulary, compositional architecture, domain profiles, mapping to open-source implementations, and an adversarial evaluation agenda. It does not claim regulatory conformity or demonstrated production superiority.
제출 이력
확인된 버전만 표시합니다. 전체 제출 이력은 arXiv 원문에서 확인하세요.
- arXiv:2609.28216v1제출 시각 미확인
함께 살펴볼 논문
공통 태그를 근거로 연결했습니다. 실제 인용 관계나 논문의 우수성을 뜻하지 않습니다.
LLM 코딩 에이전트를 위한 결정론적 제어 평면
A Deterministic Control Plane for LLM Coding Agents
LLM 코딩 하네스(harness)는 에이전트에게 광범위한 파일 및 셸 접근 권한을 부여하지만, 이를 조종하는 구성 층 — 규칙 파일, 에이전트 정의, IDE 전용 마크다운 — 은 대체로 관리되지 않는다. 10,008개의 공개 GitHub 저장소(n=6,145개 에이전트 구성 파일)에 대한 유병률 연구는 에이전트 구성이 선언되지 않은 공유 구성 요소로 전파됨을 밝힌다. 추적된 경로의 10.1%가 독립 저장소 간 SHA-256 완전 중복이며(fork 조정, 임계값 무관), 복제 쌍의 75.5%가 조직 경계를 넘는다. 추가로 두 가지 패턴이 시사된다. 구성은 거의 수정되지 않으며(58% 단일 커밋; CI/CD 워크플로 대비 연령 정규화 시 0.4 vs 0.6 커밋/월), 권한 경계를 거의 선언하지 않는다(에이전트 구성 <1% vs Actions 워크플로 33%, n=31 true positives). 우리는 이러한 공백과 일대일로 대응하는 하네스 위의 결정론적 제어 평면을 제안한다. Rel(AI)Build는 에이전트 정의를 관리형 공급망으로 취급한다(SHA-256 콘텐츠 주소 지정, HMAC 스탬프 락파일, 해시 연쇄 감사 로그); LLM 호출 전에 계층형 권한과 공격 유래 차단 목록을 강제한다; 요구사항-파일-테스트 추적 가능성을 갖춘 단계 상태 머신을 통해 특징(feature) 작업을 게이트한다; 단일 정규 정의를 7개 IDE 대상으로 컴파일한다; Jaccard 유사도로 프롬프트 드리프트를 탐지한다. 주입된 위반에 대한 적합성 테스트는 각 메커니즘이 명시된 불변 조건을 강제함을 확인한다. 개발자 결과는 향후 과제로 남는다. 이 층의 거버넌스는 결정론적이고 도구에 구애받지 않아야 하며 — 추가 LLM 오케스트레이션에 위임되어서는 안 된다.
에이전트형 AI를 위한 실행 바인딩 보안 권고 자동화: 재현 가능한 AIBOM 기반 CSAF-VEX 프레임워크
Execution-bound advisory automation for agentic AI: a reproducible AIBOM-driven CSAF-VEX framework
SBOM 및 AIBOM 아티팩트를 결정론적 환경 캡처 및 구조화된 런타임 원격 분석에 바인딩하는 프로토콜 기반 프레임워크를 제안합니다. 악용 가능성(exploitability)은 선언된 아티팩트, 관찰된 활성화 조건, 및 적용된 실행 정책으로부터 계산됩니다. CSAF VEX 권고사항은 결합된 정적 및 런타임 증거로부터 생성되며, 암호화로 서명되고 결정론적 재생(replay)을 통해 검증됩니다. 평가는 50개에서 5000개의 구성 요소로 구성된 합성 에이전트형 AI 워크로드 전반에 걸쳐 약 10,000개의 구성 요소 항목을 사용하며, OSV, GitHub Advisory, KEV, EPSS 데이터셋을 통합합니다.
토론
이 논문과 연결된 포럼 글이 아직 없습니다.