1. 문제 정의 (Problem Statement)

안전 필수 (Safety-critical) 소프트웨어 개발 (자동차, 의료, 항공 등) 에서 요구사항 추적성 (Requirements Traceability) 은 규제 기준 (ISO 26262, DO-178C 등) 에 의해 필수적이지만, 현재 다음과 같은 근본적인 한계를 겪고 있습니다.

• 외부 문서화 의존성: 요구사항과 구현체 간의 추적 관계가 스프레드시트, ALM 도구 (Jira, DOORS 등) 의 외부 메타데이터로 관리됩니다.
• 구조적 취약성 (Structural Fragility): 요구사항, 코드, 테스트가 서로 다른 도구와 리포지토리에서 독립적으로 진화함에 따라 추적 관계가 조용히 (silently) 파기됩니다. 시스템 자체가 일관성을 강제하지 않기 때문입니다.
• 수동 유지보수 비용: 80% 의 실무자가 추적성 도입의 주요 장벽으로 비용을 꼽으며, 이는 수동 유지보수 부담 때문입니다.
• LLM 기반 코드의 도전: AI 가 생성한 코드가 증가함에 따라, 기존 코드의 추적성 격차가 더욱 벌어지고 있으며, 생성된 코드가 요구사항에 추적 가능한지 보장할 구조적 메커니즘이 부재합니다.
• 기존 접근법의 한계: 최근의 LLM 기반 추적성 연구는 파기된 링크를 사후에 복구 (Recovery) 하는 데 초점을 맞추고 있어, 근본적인 분해를 예방하지 못합니다.

2. 방법론 (Methodology: ReqToCode)

논문은 추적성을 외부 문서가 아닌 코드베이스의 구조적 속성 (Structural Property) 으로 전환하는 ReqToCode 접근법을 제안합니다. 핵심은 '추적 가능 요소 (Traceable)'라는 개념을 도입하여 요구사항을 언어 네이티브 (Language-native) 코드 요소로 변환하는 것입니다.

핵심 개념: Traceable (추적 가능 요소)

• 정의: 요구사항 소스 (ALM 등) 에서 자동 생성되어 코드베이스에 직접 포함되는 언어 네이티브 코드 요소입니다.
• 특징:
  • 생성형 (Generated): 수동 작성되지 않으며, 동기화 시마다 재생성됩니다.
  • 언어 네이티브: 컴파일러가 검증할 수 있는 타입 시스템 (예: Java 의 Enum, C 의 Enum/Macro) 으로 구현됩니다.
  • 메타데이터 포함: 요구사항 ID, 제목, 상태, 버전 등의 정보를 구조화된 데이터로 내장합니다.
  • 참조 가능: 개발자는 구현 및 테스트 코드에서 표준 언어 구문 (Import, 타입 참조 등) 으로 이를 참조합니다.

아키텍처 및 워크플로우

1. 소스 동기화: ALM 도구에서 요구사항을 읽습니다.
2. Traceable 생성: 요구사항을 기반으로 RequirementSet (요구사항 그룹) 단위로 코드 모듈을 생성합니다.
3. 코드베이스 통합: 생성된 코드를 버전 관리 시스템 (Git) 에 커밋하고 리뷰합니다.
4. 참조 및 검증: 개발자가 구현/테스트 코드에서 Traceable 을 참조합니다. 컴파일 시점에 참조가 유효한지 자동으로 검증됩니다.
5. 변화 감지: 요구사항 변경과 코드 변경 간의 불일치를 양방향으로 감지합니다.

Traceable 수명주기 (Graduated Lifecycle)

요구사항이 삭제될 때 즉시 빌드가 실패하는 것이 아니라, 단계적인 신호를 제공합니다:

1. Active (활성): 정상 상태.
2. Deprecated (비활성화): 요구사항이 폐기될 때, Traceable 은 즉시 삭제되지 않고 언어의 @Deprecated 기능을 통해 경고 (Warning) 를 발생시킵니다. 개발자가 대응할 시간을 줍니다.
3. Removed (삭제): 유예 기간 후 Traceable 이 삭제되면, 이를 참조하는 모든 코드가 컴파일 오류 (Build Failure) 를 발생시킵니다.

주요 기능

• 브랜치 스코프 추적성 (Branch-Scoped Traceability): Git 브랜치별로 다른 요구사항 집합을 가질 수 있어, 기능 브랜치와 메인 브랜치의 추적 상태를 분리하여 관리할 수 있습니다.
• 커버리지 분석: 정적 분석을 통해 임의의 커밋 시점에서 구현 및 테스트 커버리지를 즉시 계산할 수 있습니다.

3. 주요 기여 (Key Contributions)

1. 구조적 추적성 (Structural Traceability): 메타데이터가 아닌 컴파일 타임 검증 가능한 하드 링크를 요구사항과 코드 사이에 생성합니다. 추적성 위반은 빌드 실패로 이어집니다.
2. 점진적 대응 메커니즘: 요구사항 변경에 대해 '경고 (Deprecation)'에서 '빌드 실패 (Removal)'로 이어지는 점진적인 신호 체계를 도입하여 개발 프로세스를 방해하지 않으면서도 일관성을 유지합니다.
3. AI/LLM 호환성: AI 가 생성한 코드도 동일한 Traceable 을 참조하도록 강제함으로써, AI 생성 코드에 대한 추적성을 구조적으로 보장합니다.
4. 비침습적 통합 (Non-invasiveness): 기존 Git, CI/CD, 빌드 도구 워크플로우를 변경하지 않고 통합됩니다. 별도의 추적성 도구를 학습할 필요가 없습니다.
5. 양방향 가시성: 요구사항이 변경되었으나 코드가 업데이트되지 않거나, 그 반대의 경우를 자동으로 감지하여 '의도 (Intent) 와 구현 (Realization)'의 불일치를 실시간으로 파악합니다.

4. 결과 및 검증 (Results & Validation)

• Ariadne 구현체: 논문의 저자는 이 접근법을 적용한 실제 도구인 'Ariadne'을 개발하여 자체 개발 프로세스에 적용했습니다.
• 언어 지원: Java, C, C++ 등 다양한 언어에서 Enum, 매크로 등을 통해 구현 가능성을 입증했습니다.
• 효과:
  • 감사 (Audit) 준비 시간을 대폭 단축 (수동 데이터 수집 불필요).
  • CI/CD 파이프라인 내에서 실시간으로 추적성 커버리지 모니터링 가능.
  • 브랜치 병합 시 추적성 충돌 (Merge Conflict) 제거.
  • 요구사항 삭제 시 즉각적인 빌드 실패를 통해 누락된 코드 수정을 강제.

5. 의의 및 중요성 (Significance)

• 규제 준수 혁신: 안전 필수 소프트웨어 분야에서 추적성을 '문서 작업'이 아닌 '코드 품질'의 일부로 재정의합니다. 이는 감사 시점뿐만 아니라 개발 전 과정에서의 신뢰성을 보장합니다.
• 미래 지향성: AI 기반 코드 생성이 보편화되는 시대에, 생성된 코드가 요구사항에 어떻게 연결되는지 증명할 수 있는 유일한 구조적 기반을 제공합니다.
• 패러다임 전환: "파기된 링크를 복구한다 (Recovery)"는 수동적이고 사후적인 접근에서, "파기되지 않도록 구조를 설계한다 (Prevention)"는 예방적이고 능동적인 접근으로의 전환을 의미합니다.
• 실용성: 복잡한 모델 기반 엔지니어링 (MDE) 도구를 도입할 필요 없이, 기존 개발자가 사용하는 도구와 워크플로우 내에서 즉시 구현 가능한 솔루션을 제시합니다.

결론

ReqToCode 는 요구사항 추적성을 외부 메타데이터가 아닌 코드베이스의 컴파일 타임 검증 가능한 구조적 속성으로 격상시킴으로써, 안전 필수 소프트웨어 개발의 신뢰성과 효율성을 혁신적으로 향상시키는 접근법입니다. 이는 AI 시대의 소프트웨어 공학에서 '의도 (요구사항) 와 구현 (코드)' 간의 연결 고리를 영구적이고 검증 가능하게 만드는 핵심 기술로 평가됩니다.