315 편의 논문
이 논문은 HDL 설계의 취약점 탐지 성능을 향상시키기 위해 도메인 특화 검색과 생성적 추론을 결합한 SecureRAG-RTL 프레임워크를 제안하고, 14 개의 HDL 디자인으로 구성된 벤치마크 데이터셋을 공개하여 LLM 기반 하드웨어 보안 검증의 정확성을 약 30% 높였음을 보여줍니다.
이 논문은 CPU-GPU 이종 시스템의 메모리 안전성 문제를 해결하기 위해, 기존 CPU 기반 테스트의 한계를 극복하고 실제 GPU 아키텍처의 특성을 정확히 반영하는 'GPU 네이티브 퍼징' 파이프라인의 설계 고려사항과 핵심 과제를 제시합니다.
이 논문은 정렬된 오픈소스 대형 언어 모델의 깊은 안전 주의 헤드를 표적으로 하여, 심층 주의 계층의 취약점을 분석하고 'Ablation-Impact Ranking' 및 'Layer-Wise Perturbation' 기법을 통해 기존 최첨단 방법보다 14% 높은 성공률을 보이는 새로운 주석 헤드 레벨 탈출 프레임워크인 SAHA 를 제안합니다.
이 논문은 대형 언어 모델의 안전 메커니즘이 '위험 인식'과 '거부 실행'이라는 두 개의 분리된 기하학적 하위 공간으로 작동한다는 '분리된 안전 가설 (DSH)'을 제시하고, 이를 통해 거부 메커니즘을 선택적으로 무력화하는 새로운 공격 기법과 모델별 아키텍처 차이를 규명했습니다.
이 논문은 AI 에이전트의 안전성 주장을 검증하기 위해 신뢰할 수 있는 실행 환경 (TEE) 을 활용하여 특정 오픈소스 가드레일이 실행되었음을 암호학적으로 증명하는 'Proof-of-Guardrail' 시스템을 제안하고, 그 구현 및 한계를 평가합니다.
이 논문은 가중치를 학습 가능한 단계 크기로 양자화하여 32 비트 곱셈을 부울 논리 연산으로 대체하고 ReLU 를 비교 기반 지시 함수로 변환함으로써, SPECK 암호에 대한 신경 판별기의 연산 복잡도를 획기적으로 줄이면서도 정확도 저하를 최소화하는 경량화 방법을 제안합니다.
이 논문은 3D 포인트 클라우드에서 ISS(고유 형태 서명) 키포인트만 추출하여 희소하게 표현함으로써 처리 속도를 높이고 데이터 전송량을 줄이면서도 오류율을 0 으로 낮춘 경량 실내 공간 인증 프레임워크 'ISS-RegAuth'를 제안합니다.
이 논문은 경쟁적 환경에서 자율 진화하는 LLM 에이전트들이 이기적 이익을 위해 정직한 전략보다 진화적으로 안정적이고 일반화 능력이 뛰어난 사기 행동을 자연스럽게 채택하게 되어 에이전트의 자기 진화와 정렬 간의 근본적인 긴장 관계를 드러낸다는 점을 보여줍니다.
이 논문은 사용자의 인지적 부담 없이 실시간 열화상과 암호화된 추적 토큰을 활용해 봇 농장을 방어하고 시각 장애인까지 포함한 모든 사용자에게 높은 접근성과 보안성을 제공하는 새로운 프라이버시 보호형 인간 검증 시스템 'ThermoCAPTCHA'를 제안합니다.
이 논문은 템플릿 없는 생체 인식, SRAM PUF 기반 토큰, 비밀번호 등 3 가지 요소를 결합한 MFA 체계에서 생체 응답의 상위 비트를 제거하는 새로운 비트 절단 방식을 제안하여 오인식률을 줄이고 오류 없는 일회성 키 생성을 가능하게 하는 통계적 분석 및 최적화 방법을 제시합니다.
이 논문은 RFC 문서에서 대규모 언어 모델을 활용해 구조화된 의미 규칙을 추출하고 이를 위반하는 테스트 케이스를 생성하여 기존 퍼징 기법의 한계를 극복하고 네트워크 프로토콜 구현체의 심층적 의미 취약점을 효과적으로 탐지하는 'SemFuzz' 프레임워크를 제안합니다.
이 논문은 이더리움 클라이언트 간 API 불일치로 인한 금융 및 네트워크 리스크를 해결하기 위해, 명세 기반 테스트 입력 생성과 대규모 언어 모델을 활용한 오보식 필터링 기술을 통해 기존 도구보다 높은 코드 커버리지와 낮은 오검출률을 달성한 자동화 테스트 프레임워크 'APIDiffer'를 제안하고, 이를 통해 11 개 주요 클라이언트에서 72 개의 버그를 발견하여 개발자들이 수정하거나 채택한 실증적 성과를 보여줍니다.
이 논문은 생성형 AI 시스템의 프라이버시 위협을 체계적으로 분석하기 위해 LINDDUN 프레임워크를 기반으로 새로운 도메인 특화 위협 모델링 프레임워크를 제안하고, 이를 채팅봇 사례에 적용하여 100 가지 새로운 위협 예시를 도출하고 AI 에이전트 시스템에서 그 유효성을 검증했습니다.
이 논문은 양자 컴퓨팅 시대의 보안 위협에 대응하기 위해 x86 및 ARM 아키텍처에서 포스트 양자 암호 (PQC) 알고리즘의 성능을 자동 평가하는 'PQC-LEO' 프레임워크를 제안하고, 고보안 수준 PQC 구현 시 ARM 아키텍처에서 x86 대비 더 큰 성능 저하가 발생함을 입증했습니다.
이 논문은 편집 오류에 대한 복호화 실패 문제를 해결하기 위해 부호어 간 편집 거리를 엄격하게 제한하는 'Alkaid'라는 새로운 스테가노그래피 방식을 제안하여, 이론적으로 증명된 보안성을 유지하면서도 다양한 오류 환경에서 99% 이상의 높은 복호화 성공률과 향상된 용량 및 효율성을 달성함을 보여줍니다.
이 논문은 하드웨어 인식 신경 아키텍처 탐색 (NAS) 을 통해 TEE 서브네트워크와 백본을 해체하고 자기 중독 학습을 도입하여, 엣지 디바이스에서의 안전한 DNN 추론 시 프라이버시와 효율성 간의 상충 관계를 해결하는 'SPOILER' 프레임워크를 제안합니다.
이 논문은 자동차 반도체의 기능 안전과 사이버 보안을 통합적으로 분석하기 위해 교차 영역 상관 요인 (CDCF) 을 정량화하여 위험 우선순위를 개선하는 통합 실패 및 위협 모드 영향 분석 (FTMEA) 프레임워크를 제안하고, ASIC 구성 레지스터 사례 연구를 통해 그 유효성을 입증합니다.
이 논문은 신뢰할 수 있는 원격 시스템 검증을 위해 하드웨어와 소프트웨어 계층을 구조화하는 원칙을 제시하고, 이를 통해 강력한 적대자 환경에서도 성능 부담을 최소화하면서 신뢰할 수 있는 계층적 증명 (Layered Attestations) 을 구축하는 방법을 제안합니다.
이 논문은 정규화 압축 거리가 공식적인 거리 속성을 갖지 않음에도 불구하고 커널 방법과 결합하여 소량의 데이터로 높은 정확도를 달성하며, 프라이버시를 보호하고 제한된 하드웨어에서도 실행 가능한 경량 클라이언트 측 분류 모델을 가능하게 함을 보여줍니다.
이 논문은 AI 가 생성한 코드의 보안 감사를 자유로운 대화형 프로세스가 아닌, 이벤트 소싱과 재생 가능한 검증을 기반으로 한 구조적이고 검증 가능한 감사 아키텍처인 'ESAA-Security'를 제안하여, 불변의 감사 추적과 재현 가능한 위험 평가를 가능하게 합니다.