기술 요약: COHORT – 에뮬레이션된 토폴로지 상에서의 공격 재현을 통한 협력적 강화(Collaborative Orchestration for Hardening via Offensive Replay on Emulated Topologies)

1. 문제 정의

기업 네트워크에서 특정 공격자를 완화하는 작업은 전통적으로 느리고 전문가 의존적인 과정입니다. 이는 분석가가 맞춤형 완화책을 도출하고, 이를 운영 중인 환경에 영향을 주지 않고 검증하며, 해당 조치가 특정 공격을 차단하는지 확인하는 과정을 필요로 합니다. 이 워크플로우는 두 가지 주요 병목 현상에 의해 제약을 받습니다:

1. 전문가 의존성: 이 프로세스는 큐레이션된 플레이북에 의존하기보다 새로운 통제 수단을 합성하기 위해 인간의 판단에 크게 의존합니다.
2. 운영 리스크: 방화벽 규칙, 라우팅 정책 또는 호스트 구성에 대한 실험적 조정은 정상적인 운영을 저해할 위험 때문에 실제 운영 네트워크에서 안전하게 실행될 수 없습니다.

기존 도구(IDS/IPS, SIEM, SOAR)는 일반적으로 알려진 패턴에 대해 큐레이션된 대응을 실행하거나, 수정되지 않은 네트워크를 대상으로 침투 및 공격 시뮬레이션(BAS)을 통해 탐지 커버리지를 검증합니다. 이러한 도구들은 관찰된 공격자를 대상으로 새로운, 배포 가능한 완화책을 자율적으로 합성하거나, 수정된 네트워크를 대상으로 이를 재실행하여 검증하지는 못합니다.

2. 방법론: COHORT 프레임워크

COHORT는 특정 관찰된 공격자에 대해 배포 가능한 완화책을 자율적으로 생성, 배포 및 검증하도록 설계된 최초의 엔드 투 엔드(end-to-end) 프레임워크입니다. 이 프레임워크는 운영 노출을 피하기 위해 고충실도 에뮬레이션 환경 내에서 전체적으로 작동합니다.

핵심 아키텍처

이 프레임워크는 실제 벤더 펌웨어(FortiGate, Cisco IOS, Open vSwitch)를 부팅하는 GNS3 에뮬레이터 상에서 실행되는 역할 분해형 멀티 에이전트 LLM(Large Language Model) 워크플로우를 활용합니다. 공격자는 MITRE ATT&CK 정렬된 동작을 실행하는 Caldera를 사용하여 에뮬레이션됩니다.

워크플로우는 다음과 같은 특화된 에이전트들로 구성됩니다:

• 완화 제안자(Mitigation Suggester): 공격자의 운영 보고서와 네트워크 토폴로지를 분석하여 재사용 가능한 기업 수준의 통제 전략(예: 세분화, 라우팅 제약)을 제안합니다.
• 완화 구현자(Mitigation Implementer): 선택된 전략을 제한된 명령 예산 내에서 구체적인 장치 설정 명령으로 변환합니다.
• 비평가(Critic): 구현 전 설정을 검토하여 구성 오류, 정책 위반 또는 의도와의 편차를 식별합니다. 이는 설정을 수용하거나 폐기하기 전까지 정교화하기 위한 반복적인 구현-비평 루프(최대 $K$회 반복)를 트리거합니다.
• 판사(Judge): 완화된 네트워크를 대상으로 동일한 공격자를 재실행하여 결과를 평가합니다. 판사는 완화된 실행의 공격 단계 성공률(ASSR)을 완화되지 않은 베이스라인과 비교합니다.
• 요약자(Summarizer): 프로세스의 인간이 읽을 수 있는 결과물을 생성합니다.

검증 메커니즘

검증은 추상적인 시뮬레이션이나 전문가 대리인이 아닌 **공격 재현(offensive replay)**에 의존합니다. 완화책은 다음 두 가지 기준을 충족해야만 성공적인 것으로 간주됩니다:

1. 공격 차단: 공격 단계 성공률을 엄격하게 감소시켜야 함 (완화 효과성, $ME > 0$).
2. 연결성 보존: 침해된 호스트로부터 두 개의 독립적인 프로브(LAN 핑을 통한 내부 타겟 접속 및 HTTP 요청을 통한 인터넷 엔드포인트 접속)를 통과해야 함.

또한, 본 프레임워크는 승인된 완화책을 지속적인 네트워크 상태에 쌓아 올려 누적 효과를 측정하고 회귀를 방지하는 **누적 평가(Cumulative Evaluation)**를 지원합니다.

3. 주요 기여

• 엔드 투 엔드 자율 프레임워크: COHORT는 전문가 지식 병목 현상과 운영 리스크 병목 현상을 모두 해결합니다. 이 프레임 much는 고충실도 에뮬레이터에서 실제 장치 명령을 사용하여 완화책을 자율적으로 생성하고 검증함으로써, 생성 단계에서 인간의 합성을 제거합니다.
• 멀티 에이전트 분해: 본 논문은 워크플로우를 전문화된 역할(제안자, 구현자, 비평가)로 분해하는 것이 단일 에이전트 베이스라인보다 성능이 현저히 우수함을 입증합니다.
• 반복적 비평 루프: 재현 전 설정을 정교화하는 비평가 에이전트의 포함이 시스템의 성공에 결정적인 요소임을 보여줍니다.
• 누적 완화 평가: 프로토콜은 방어책을 지속적인 상태에 쌓는 메커니즘을 도입하여, 개별 완화 평가가 놓칠 수 있는 복합적인 효과를 밝혀냅니다.

4. 실험 결과

본 프레임워크는 GPT-5.4 mini를 기반 모델로 사용하여 세 가지 기업 토폴로지(소형, 중형, 대형)와 네 가지 공격 시나리오(랜섬웨어, 측면 이동, DNS 데이터 유출, 데이터 탈취)에 대해 평가되었습니다.

• 완화 성공률(MSR): 멀티 에이전트 프레임워크는 전체 **46.7%**의 MSR을 달성했습니다. 이는 동일한 모델과 도구 접근 권한을 가진 단일 에이전트 베이스라인(10.7%)보다 4.4배 향상된 수치입니다.
  • 개선 사항의 분해: 역할 특화(비평가가 없는 멀티 에이전트)가 약 75%(38.6% MSR)의 이득을 차지했으며, 반복적 비평 루프가 나머지 25%를 차지했습니다.
• 누적 효과성: 승인된 완화책을 쌓았을 때, 시스템은 네 번째 방어 단계에서 약 **52%**의 누적 공격 단계 감소율에 도달하며 정체기에 진입했습니다.
• 토폴로지 독립성: 소형, 중형, 대형 토폴로지 간에 MSR의 통계적으로 유의미한 차이는 발견되지 않았습니다.
• 완화 카테고리:
  • 호스트 중심 통제(예: 호스트 하드닝, 애플리케이션 제어)가 양과 효과성 측면에서 모두 우세했습니다 (예: 애플리케이션 제어는 82.1% MSR 달성).
  • 네트워크 기반 필터링은 양적인 측면에서는 두 번째로 흔했으나 성공률은 낮았습니다(5.8%). 실패의 주요 원인은 의도가 틀려서가 아니라, 규칙이 잘못된 네트워크 홉(hop)에 배치되었거나, 잘못된 순서로 평가되었거나, 숨겨진 중계기를 고려하지 못했기 때문이었습니다.

5. 의의 및 범위

본 논문은 공격자 에뮬레이션, 실제 장치 설정 생성, 그리고 공격 재현 검증 사이의 루프를 닫는 최초의 프레임워크로서 그 의의를 가집니다. 고충실도 에뮬레이터 내로 실험을 한정함으로써, 실제 운영 네트워크에서 테스트하기에는 너무 위험할 수 있는 배포 가능한 완화책을 안전하게 도출할 수 있습니다.

한계 및 범위:
저자들은 결과가 다음의 경우에 일반화되지 않음을 명시합니다:

• 적응형 공격자: 본 프레임워크는 방어에 대응하여 계획을 재수립하지 않는 스크립트된 공격자를 가정합니다.
• Windows 엔드포인트: 에뮬레이션 리소스 제약으로 인해 평가는 리눅스 컨테이너로 제한되었습니다.
• 벤더 다양성: 테스트는 FortiGate, Cisco IOS, Open vSwitch로 제한되었습니다.
• 운영 배포: 프레임워크는 검증된 후보를 출력하지만, 최종 배포는 별도의 인간 주도 단계로 남습니다.

결론적으로 COHORT는 스크립트된 공격자에 대한 완화책 도출 및 검증을 성공적으로 자동화하지만, 하드닝 과정 중에 새로운 취약점(예: 컨테이너 탈출 약점)이 드러날 가능성이 있으므로 안전을 위해 배포 전 인간의 검토가 필요합니다.