기술 요약: 원자적 레드 팀(Atomic Red Team) 기법으로부터의 상징적 공격 체인 생성

1. 문제 정의

자동화된 공격 체인 생성은 현대 사이버 보안 방어 및 레드 티밍에 필수적이지만, 수동적인 구축 방식은 공격자의 행동이 확장됨에 따라 규모를 키우는 데 한계가 있다. 고전적인 AI 플래닝 기법인 PDDL(Planning Domain Definition Language)은 이 과정을 자동화하기 위한 정형화된 방법을 제공하지만, 이는 공격자 기법을 상징적 술어(symbolic predicates)로 정확하게 번역하는 것에 의존한다.

AURORA와 같은 현재의 최첨단 시스템은 시스템 상태를 정의하기 위해 9개 카테고리의 공격 액션 링킹 모델(AALM)을 활용한다. 그러나 이러한 특정 세분화 수준의 필요성은 아직 검증되지 않았다. 축소된 술어 카테고리 세트가 더 높은 세분화 수준이 추론 결과의 개선 없이 표현 복잡성만을 증가시키는 것인지, 아니면 더 낮은 세분화 수준으로도 실제 공격 체인과 유사한 계획 타당성, 비용 및 충실도(fidelity)를 달나 성취할 수 있는지 여부는 불분명하다. 본 논문은 술어 표현의 세분화 정도가 자동 생성된 공격 체인의 타당성, 비용 및 충실도에 미치는 영향을 조사한다.

2. 방법론

본 연구는 대규모 언어 모델(LLM)과 관련된 환각(hallucination) 위험을 완화하기 위해 언어적 번역과 결정론적 추론을 분리하는 하이브리드 파이프라인을 채택한다.

2.1 연구 설계

핵심 방법론은 AURORA 파이프라인을 재현하되, 술어 세분화를 고정된 가정이 아닌 실험 변수로 취급한다.

• 번역: LLM(GPT-4.1)이 Atomic Red Team(ART) YAML 테스트 정의와 실행 증거를 후보 PDDL 술어로 번역한다.
• 검증: 결정론적인 규칙 기반 스크립트(predicate_table.py)가 LLM 출력을 소스 YAML 및 실행 트랜스크립트와 교차 검증한다.
• 플래닝: Fast Downward 플래너(astar(blind()) 사용)가 모든 추론, 액션 순서 지정 및 계획 생성을 수행한다.
• 절제 연구(Ablation Study): 본 연구는 동일한 16개의 정형화된 ART 기법 코퍼스를 대상으로 두 가지 체계를 비교한다:
  1. 9개 카테고리 AALM: AURORA에서 사용되는 전체 체계 (Environments, Executors, Payloads, Files, Processes, Users, Information, Data, Techniques).
  2. 5개 카테고리 체계: 실행 증거로부터 경험적으로 도출되어 다음과 같이 카테고리를 통합한 축소 체계:
     • Payload $\rightarrow$ Executor
     • File 및 Technique $\rightarrow$ Environment
     • User 및 Privilege $\rightarrow$ Privilege/User
     • Information 및 Data $\rightarrow$ Information

2.2 데이터 수집 및 실행

코퍼스는 여러 MITRE ATT&CK 전술(Discovery, Persistence, Defense Evasion, Collection, Exfiltration)에 걸친 16개 기법으로 구성된다.

• 도출: 먼저 4개 기법의 "스타터 체인"(T1059.001, T1547.001, T1003.001, T1021.002)을 실행하여 초기 5개 카테고리 체계를 도출했다. 결정적으로, 실행 증거를 통해 (예: 관리자 권한을 보유하는 것과 네트워크 로그온에 대해 이를 행사할 수 있는 능력을 구분하는 것과 같이) 별도의 Privilege/User 카테고리를 포함해야 함이 드러났다.
• 환경: 모든 테스트는 외부 위험 없이 현실적인 엔드포인트 보호 조건을 보장하기 위해 호스트 전용 네트워킹과 활성화된 Defender가 설정된 격리된 Windows 11 VM에서 실행되었다.
• 실패 처리: 실행에 실패한 기법들(예: AV/EDR 차단 또는 누락된 페이로드로 인한 경우)을 폐기하지 않았다. 대신, 이들을 도메인 파일 내에서 "액션이 없는(action-less)" 상태로 인코딩하여, 플래너가 경험적 실패의 유효한 표현으로서 "해결책 없음(no solution)"을 올바르게 반환할 수 있도록 하였다.

2.3 평가 지표

본 연구는 다음을 사용하여 체계를 평가한다:

1. 계획 타당성/성공률: 유효한 계획이 생성되는지 여부.
2. 계획 비용: 생성된 계획의 액션 수.
3. 공격 체인 충실도: 수동으로 구축된 ATT&CK 그라운드 트루스(ground-truth) 체인에 대한 자카드 유사도(Jaccard similarity) 및 편집 거리(edit distance).
4. 술어 카테고리 해상도 ($\Delta P_i$): 5개 카테고리 체계가 붕괴시킨 술어들을 9개 카데고리 체계가 강제로 분리하는지 측정하는 지표.
5. 실패 모드 분석: 기법이 정형화를 거부하는 이유(예: 환경적 격차, 불충분한 명세)를 분류.

3. 주요 결과

16개 기법 코퍼스에 대한 경험적 결과는 술어 세분화가 생성된 계획의 생존 가능성에 미치는 영향이 미미함을 보여준다.

• 계획 타당성 및 비용: 결과는 세분화 정도에 거의 무관했다. 9개 카테고리와 5개 카테고리 체계 모두 동일한 **81.3% (16/16 기법 중 13개)**의 성공률을 달성했다. 독립적으로 해결된 9개 기법에 대해 평균 계획 비용은 1.0으로 동일했다. 4단계 스타터 체인 또한 두 구성 모두에서 동일한 계획을 생성했다.
• 공격 체인 충실도: 생성된 스타터 체인은 수동으로 구축된 그라운드 트루스 체인과 정확히 일치했다 (자카드 유사도 = 1.0, 편집 거리 = 0). 논문은 이것이 파이프라인의 정확성을 확인하는 것이지, 참조 체인을 구축하는 데 사용된 내러티브와 동일하게 선택된 코퍼스의 일반화된 충실도를 주장하는 것은 아님을 명시한다.
• 술어 카테고리 해상도:
  • 16개 기법 중 14개가 제로 해상도 이득($\Delta P_i = 0$)을 보였으며, 이는 9개 카테고리 체계의 추가적인 세분화가 계획의 구조적 정당성을 변경하지 않았음을 의미한다.
  • T1560.001은 9개 카테고리 체계가 Environment와 File 술어를 구분한 유일한 예외였다.
  • T1003.001은 해상도 이득을 보였으나, 이는 완전히 실패한 기법에 사용된 플레이스홀더 전제 조건의 결과물로 식별되어, 진정한 이득이라는 주장에서는 제외되었다.
• 실패 모드: 본 연구는 체계적인 실패를 성공적으로 포착했다. 예를 들어, T1055 (Process Injection)는 13개 서브 테스트 중 11개에서 AV/EDR 시그니처 탐지로 인해 실패했으며, T1003.001은 액세스 거부로 인해 실패했다. 이들은 플레이스홀더로 가려지는 대신 "액션이 없는" 상태로 구조적으로 인코딩되었다.

4. 의의 및 기여

본 논문은 이 특정 코퍼스와 작업 범위 내에서, 축소된 5개 카테고리 술어 체계가 계획 역량을 유지하고 전체 9개 카테고리 AALM과 결과를 일치시키기에 충분하다고 겸허하게 주장한다.

주요 기여:

1. 경험적으로 도출된 체계: 본 연구는 사전에 채택된 것이 아니라 실제 ART 실행 증거로부터 하향식(bottom-up)으로 도출된 5개 카테고리 술어 체계를 제공한다. 이 도출 과정은 임의의 체계가 놓칠 수 있는 필수적인 인과적 구별(예: remote-admin-token-unfiltered)을 드러냈다.
2. 세분화 불변성: 연구는 테스트된 기법들에 대해, 더 높은 세분화가 계획의 정당성에 대한 내부 구조적 해상도를 높일 뿐, 생성된 공격 체인의 생존 가능성이나 비용에는 영향을 미치지 않음을 입증한다.
3. 증거로서의 실패 모드: 본 논문은 정형화를 거부하는 기법들(AV/EDR 또는 누락된 페이로드로 인한 경우)을 상징적 모델링의 한계에 대한 실질적인 데이터로 취급하는 프레임을 도입한다. 이들을 "액션이 없는" 상태로 인코딩함으로써, 플래너의 "해결책 없음" 출력은 오류가 아닌 코퍼스에 대한 검증 가능한 진술이 된다.
4. 파이프라인 아키텍처 검증: 본 연구는 LLM이 번역에 국한되고 결정론적 플래너가 추론을 담당하는 이분법적 파이프라인을 지지한다. 이 아키텍처는 LLM의 환각 위험을 성공적으로 격리했으며, 독립적인 규칙 기반 교차 검증을 통해 측정된 번역 수정율은 11.0% (808개 술어 중 89개)였다.

한계점:
저자는 본 연구의 결과가 이 16개 기법 코퍼스와 단일 VM 환경에 국한됨을 명시적으로 밝힌다. 계획 비용 지표는 대부분의 기법이 단일 액션 계획이었기 때문에 변별력이 제한적이었다. 또한, 그라운드 트루스와의 정확한 일치는 선택된 내러티브에 대한 파이프라인의 정확성을 입증하는 것이지, 독립적인 실제 사건에 대한 일반화된 충실도를 증명하는 것이 아니다.

5. 결론

본 연구는 9개 카테고리 AALM이 틀린 것은 아니지만, 연구된 맥락에서 공격 체인 생성을 위한 타당성이나 비용 측면에서 반드시 필요한 것은 아니라고 결론짓는다. 축소된 5개 카테고리 체계는 계획 역량을 보존하고, 단 하나의 기법(T1560.001)을 제외한 모든 측정 결과에서 전체 체계와 일치하면서도 표현 복잡성을 줄였다. 본 연구는 자동화된 공격 체인 생성에 있어, 고정된 고세분화 분류 체계를 따르는 것보다 실행 증거에 의해 드러나는 인과적 구별에 집중하는 것이 중요함을 시사한다.