기술 요약: uGen: 마이크로아키텍처 공격 PoC 생성을 위한 에이전트 프레임워크

문제 제기

마이크로아키텍처 사이드채널 공격 (예: Prime+Probe, Spectre) 은 컴퓨터 보안에 근본적인 도전을 제기합니다. 참조 Proof-of-Concept(PoC) 구현체가 존재하지만, 이를 새로운 마이크로아키텍처, 피해자 함수, 또는 실행 환경에 적용하는 것은 악명스럽게 어렵습니다. 이 과정은 저수준 하드웨어 동작에 대한 깊은 전문성, 정밀한 명령어 순서 제어, 그리고 미세한 타이밍 보정이 필요합니다. 결과적으로 취약점 평가는 여전히 노동 집약적이며 확장성이 부족하고, 종종 전문가 연구자들로 제한됩니다.

대형 언어 모델 (LLM) 의 최근 발전은 코드 생성 자동화를 위한 잠재적 경로를 시사합니다. 그러나 해당 논문은 중요한 격차를 지적합니다: LLM 은 기능적인 공격 코드를 합성하는 데 필요한 구체적인 마이크로아키텍처 추론 능력이 부족합니다. 저자들은 현재 모델들이 자주 직렬화 장벽이나 제어된 지연과 같은 중요한 공격 원시 연산자를 잘못 생성하거나 잘못 배치하여, 문법적으로는 정확하지만 기능적으로는 무력한 코드를 만들어낸다고 가정합니다. furthermore, 기존 학습 코퍼스는 종단 간 공격 구현체가 거의 포함되어 있지 않아, 모델들이 이러한 악용의 구조적 불변성에 대한 충분한 노출을 얻지 못하게 합니다.

방법론: uGen 프레임워크

이러한 한계를 해결하기 위해 저자들은 마이크로아키텍처 공격 PoC 생성 자동화를 위해 설계된 최초의 검색 증강 생성 (RAG) 기반 다중 에이전트 프레임워크인 uGen을 소개합니다. 이 프레임워크는 네 가지 명확한 단계를 통해 작동합니다:

1. 지식 격차 프로파일러 (S1): 이 단계는 LLM 이 어디서 그리고 왜 실패하는지를 체계적으로 식별합니다. RAG 를 비활성화하고 모델이 내부 지식에 의존하도록 강제함으로써, 프레임워크는 공격을 "공격 지표" (최소적이고 의미론적으로 의미 있는 구성 요소) 로 분해합니다. 생성된 코드를 실제 구현체와 비교하여 누락되거나, 잘못 구축되거나, 잘못 배치된 지표를 식별합니다.
2. RAG 문서 생성기 (S2): S1 에서 식별된 격차에 기반하여, 프레임워크는 표적화된 RAG 문서를 생성합니다. 이러한 문서는 일반적인 공격 설명이 아니라 개별 지표를 위한 구체적인 가이드로, 그 중요성, 구현 단계, 그리고 코드 내에서의 정확한 배치 제약을 상세히 설명합니다. 생성 과정은 계층적이며, 공격 벡터와 LLM 계열 모두에 따라 인덱싱됩니다. 이는 서로 다른 모델이 서로 다른 유형의 가이드가 필요함을 인정하는 것입니다.
3. RAG 검증 및 정제 (S3): 이 단계는 생성된 RAG 문서를 경험적으로 검증합니다. "프로그래머 에이전트"가 검색된 가이드를 사용하여 PoC 템플릿을 패치하려고 시도합니다. 패치가 실패하면 "피드백 에이전트"가 정제 사이클을 시작하여, 필요 시 도메인 전문가가 제약을 명확히 하거나 오해의 소지가 있는 세부 사항을 제거하도록 합니다. 이 루프는 RAG 문서가 해당 지표의 합성을 신뢰성 있게 안내할 때까지 계속됩니다.
4. 배포 (S4): 최종 단계에서 비전문가 사용자는 피해자 함수와 공격 벡터를 지정할 수 있습니다. 프로그래머 에이전트는 필요한 각 지표에 대해 검증된 RAG 문서를 순차적으로 검색하고 통합하여 처음부터 PoC 를 합성합니다. 그런 다음 코드는 "리플렉터 에이전트"가 하드웨어에서 파생된 신호 (예: 캐시 지연 시간, 성능 카운터) 를 사용하여 기능적 정확성을 보장하도록 검증됩니다.

주요 아키텍처 구성 요소:

• 다중 에이전트 설계: uGen 은 코드 생성과 검증을 분리하여 단일 에이전트가 자신의 실패를 합리화하는 "자기 평가 편향"을 완화하기 위해 프로그래머, 리플렉터, 격차 분석기, 합성기, 피드백과 같은 전문 에이전트들을 활용합니다.
• 도구 기반 실행: 에이전트들은 hw_info, hpc, cache_thres와 같은 특수 시스템 수준 도구와 결합되어 기계적으로 검증 가능한 실행 신호를 제공합니다. 이는 에이전트들이 성공적인 누출을 환각하게 하는 것을 방지하고 실제 하드웨어 피드백에 기반한 반복적 정제를 강제합니다.
• 지속적 지식 허브: RAG 문서는 실험 전반에 걸쳐 결정론적이고 재현 가능한 검색을 보장하기 위해 사전 계산된 임베딩이 포함된 지속적 벡터 데이터베이스에 저장됩니다.

주요 기여

1. 마이크로아키텍처 공격을 위한 LLM 의 첫 번째 분석: 이 논문은 GPT-4o, Claude Sonnet-4, Qwen3-Coder 와 같은 최첨단 모델에 대한 체계적인 연구를 제시하여, 성공적인 PoC 합성을 방해하는 반복적인 추론 및 명령어 배치 오류를 식별합니다.
2. uGen 프레임워크: LLM 지식 격차를 명시적으로 프로파일링하고 공격 특정 가이드를 주입하여 복잡한 마이크로아키텍처 공격의 신뢰할 수 있는 합성을 가능하게 하는 새로운 검색 증강 다중 에이전트 프레임워크입니다.
3. 지표 기반 평가: 저자들은 공격을 세분화된 지표로 분해하는 방법론을 제안하여, 이 도메인에서 LLM 능력을 평가하기 위한 최초의 재현 가능한 벤치마크를 제공합니다.

실험 결과

이 프레임워크는 세 가지 하드웨어 플랫폼 (Intel Tiger Lake, AMD Ryzen 9, ARM Neoverse-N1) 과 두 가지 공격 클래스 (Spectre-v1, Prime+Probe) 에서 평가되었습니다.

• 베이스라인 성능: RAG 증강 없이 LLM 은 기능적인 PoC 생성에 대해 0% 에서 20% 사이의 성공률을 보였으며, 주로 잘못된 명령어 순서와 누락된 마이크로아키텍처 원시 연산자로 인해 실패했습니다.
• RAG 의 영향: uGen 을 사용하면 성공률이 크게 향상되었습니다.
  • Spectre-v1: Claude Sonnet-4 는 **90%**의 성공률을 달성했습니다 (일부 지표별 테스트에서는 0% 에서 상승), Qwen3-Coder 는 **70%**를 달성했습니다.
  • Prime+Probe: Qwen3-Coder 는 **80%**의 성공률을 달성했으며, Claude 와 GPT-4o 는 **70%**를 달성했습니다.
• 효율성: uGen 은 4 분 미만의 시간에 성공적인 PoC 를 생성할 수 있습니다 (예: Claude 에서의 Spectre-v1 의 경우 351 초). 비용은 Qwen3-Coder 를 사용할 경우 $1.25까지 낮출 수 있습니다.
• 이식성: 이 프레임워크는 마이크로아키텍처별 프로파일링 도구와 RAG 문서를 활용하여 AArch64(ARM) 및 x86 플랫폼에 공격을 성공적으로 적용함으로써 교차 아키텍처 이식성을 입증했습니다.
• 일반화: 이 시스템은 공격 논리의 수동 재설계 없이 취약한 피해자 함수의 다섯 가지 서로 다른 변형에 성공적으로 적응했습니다.

중요성 및 주장

이 논문은 uGen 이 취약점 평가를 수동적이고 전문가에 의존하는 과정으로부터 체계적이고 확장 가능한 과정으로 변환한다고 주장합니다. 검색 증강, 역할 특화 추론, 그리고 하드웨어 기반 피드백을 결합함으로써 uGen 은 LLM 의 능력과 마이크로아키텍처 악용의 엄격한 요구 사항 사이의 격차를 해소합니다.

저자들은 uGen 을 주로 방어 도구로 위치시킵니다. 그들은 이 프레임워크가 공격 코드 생성의 장벽을 낮추지만, 공격자가 새로운 악용을 구축하는 데 의존하는 것보다 방어자가 자신의 시스템이 취약한지 체계적으로 테스트하는 데 더 유익하다고 주장합니다. 논문은 공격자들이 uGen 을 실제 악성 캠페인에 적용하는 데 여전히 상당한 장애물에 직면할 것이라고 지적합니다. 왜냐하면 이 프레임워크는 통제되고 격리된 환경을 위해 설계되었으며 새로운 취약점을 발견하는 것이 아니라 알려진 공격 벡터에 의존하기 때문입니다. 이 연구는 보안이 중요한 도메인에서 LLM 의 한계를 이해할 필요성을 강조하며, 구조화된 도구 증강 추론을 통해 이러한 한계를 완화하기 위한 프레임워크를 제공합니다.