기술 요약: LLM 강화형 안드로이드 테인트 분석을 향하여

문제 정의

테인트 분석(Taint analysis)은 개인정보와 직결된 소스(예: 기기 식별자, 위치 정보)에서 안전하지 않은 싱크(예: 네트워크 인터페이스)로의 데이터 흐름을 추적함으로써 안드로이드 애플리케이션의 민감한 데이터 유출을 탐지하는 핵심 기술입니다. FlowDroid와 같은 정적 분석 도구들이 널리 채택되어 높은 정밀도와 문맥 인지 능력을 보여주고 있지만, 이들은 잘 알려진 한계점에 직면해 있습니다. 이러한 도구들은 수동으로 설계된 안드로이드 프레임워크 모델에 크게 의존하며, 이로 인해 컴포넌트 간 통신(ICC), 리플렉션(Reflection), 동적 코드 로딩, 암시적 흐름(Implicit flows), 그리고 네이티브 코드와 같은 복잡한 동작을 정확하게 처리하는 데 어려움을 겪습니다. 결과적으로, 프레임워크 모델링이 불완전하거나 너무 복잡한 시나리오에서 이러한 도구들은 유효한 테인트 흐름을 놓치는 경우가 빈번합니다(낮은 재현율).

동시에, 대규모 언어 모델(LLM)은 자연어와 프로그래밍 언어 모두에 대해 강력한 추론 능력을 입증하며 버그 탐지 및 취약점 분석과 같은 소프트웨어 공학 과제에서 격차를 메우는 데 성공해 왔습니다. 그러나 작업 특화 훈련이나 수작업으로 만든 프레임워크 모델 없이도, 기성(off-the-shelf) LLM이 안드로이드 앱의 테인트 흐름을 효과적으로 추론할 수 있는지 여부는 여전히 미해결 과제로 남아 있습니다.

방법론

저자들은 명시적인 프레임워크 모델링 대신 반복적인 코드 탐색을 수행하는 **에이전트형 LLM(agentic LLM)**을 활용한 예비 접근 방식을 제 제안합니다.

핵심 접근 방식

1. 에이전트 상호작용: LLM은 디컴파일된 애플리케이션 코드를 동적으로 탐색하는 분석 에이전트 역할을 합니다. 정적 모델에 의존하는 대신, LLM은 소스-싱크 관계를 가설 세우고 검증하기 위해 코드베이스를 반복적으로 탐색합니다.
2. 도구 체인 (MCP): 코드와의 상호작용을 가능하게 하기 위해, 시스템은 **모델 컨텍스트 프로토콜(Model Context Protocol, MCP)**을 사용합니다. 이 표준을 통해 LLM은 외부 도구를 호출할 수 있습니다:
   • JADX-MCP: APK를 디컴파일하고 메서드 검색, 교차 참조, 클래스 계층 구조 탐색을 위한 API를 노출하는 데 사용됩니다.
   • Ghidra-MCP: 네이티브 라이브러리(.so 파일)를 분석하여 저수준 프로그램 구조와 함수를 조사하는 데 사용됩니다.
3. 워크플로우:
   • JADX를 통해 APK를 디컴파일합니다.
   • 네이티브 라이브러리는 Ghidra를 통해 처리됩니다.
   • LLM은 이러한 도구들을 쿼리하여 컴포넌트 및 언어 간의 민감한 정보 전파를 추적합니다.
   • 식별된 흐름은 구조화된 JSON 보고서로 직렬화됩니다.
4. 비결정론 완화: LLM의 환각(hallucination)과 가짜 출력 문제를 해결하기 위해, 각 애플리케이션은 동일한 프롬프트를 사용하여 $N$번 분석됩니다. 특정 흐름은 최소 $\lfloor N/2 \rfloor + 1$번의 실행에서 나타나야만 유효한 것으로 간주됩니다.

실험 설정

• 평가 모델: 독점 모델인 Gemini 3 Flash와 오픈 소스인 Qwen3.5-27B.
• 벤치마크:
  • DroidBench (v3.0): 19개 카테고리(예: ICC, Reflection, Lifecycle)에 걸친 190개 테스트 케이스.
  • 실제 앱: 질적 평가를 위한 AndroZoo의 앱 5개 세트(최근 5년간 Google Play 출시).
• 베이스라인: 일반적인 사용 시나리오를 반영하기 위해 기본 설정(블랙박스 방식)으로 실행된 FlowDroid.

주요 기여

1. 새로운 관점: 명시적인 프레임워크 모델링이나 작업 특화 훈련 없이도 기성 LLM이 안드로이드 테인트 흐름을 추론할 수 있는지에 대한 조사.
2. LLM 기반 접근 방식: 디컴파일된 코드와 MCP 기반 도구 상호작용(JADX 및 Ghidra)을 결합하여 반복적인 분석 에이전트를 생성하는 설계.
3. 예비 실증 연구: LLM 기반 추론이 전통적인 분석 도구를 보완할 수 있음을 보여주는 증거를 제시하며, 특히 도전적인 시나리오에서 이를 입증하여 향후 하이브리드 접근 방식을 촉발함.

실험 결과

RQ1: DroidBench에서의 전반적인 성능

LLM 기반 접근 방식은 F1-score 측면에서 FlowDroid를 크게 앞질렀습니다.

• FlowDroid: F1-score 0.55 (정밀도: 0.83, 재현율: 0.42).
• Gemini 3 Flash: F1-score 0.96 (정밀도: 0.96, 재현율: 0.95).
• Qwen3.5-27B: F1-score 0.88.
  이러한 개선은 주로 재현율의 상당한 증가에 의해 주도되었으며, 이는 FlowDroid가 놓치는 흐름을 탐지하는 LLM의 능력을 나타냅니다.

RQ2: 카테고리별 성능

LLM 접근 방식은 전통적인 도구가 어려움을 겪는 카테고리에서 뚜렷한 우위를 보였습니다:

• 컴포넌트 간 통신 (ICC): 0.95 (LLM) vs. 0.17 (FlowDroid).
• 암시적 흐름 (Implicit Flows): 0.94 (LLM) vs. 0.00 (FlowDroid).
• 리플렉션 (Reflection): 1.00 (LLM) vs. 0.50 (FlowDroid).
• 네이티브 코드 (Native Code): 1.00 (LLM) vs. 0.00 (FlowDroid).
  반대로, 두 방식 모두 **동적 로딩(Dynamic Loading)**과 도달 불가능한 코드(Unreachable Code) 영역에서는 고전하였으며, 이는 LLM이 모든 정적 분석 과제의 만능 해결책은 아님을 시사합니다.

RQ3: 실제 애플리케이션 적용

5개의 실제 앱 세트에서 LLM 접근 방식(Gemini 3 Flash)은 FlowDroid가 보고하지 않은 17개의 추가 흐름을 식별했습니다.

• 검증: 두 명의 전문가 주석가가 이 흐름들을 수동으로 역공학했습니다. 17개 중 16개가 실제 데이터 유출(True Positive)로 확인되었습니다. 나머지 하나는 LLM의 환각으로 판명되었습니다.
• 특정 사례: 한 사례에서는 소스 메서드가 리플렉션을 통해 호출되었습니다. FlowDroid는 조회 과정에서 소스를 해결하지 못했으나, LLM은 반복적인 탐색을 통해 해당 흐로를 성공적으로 추론했습니다.
• 상호 보완성: LLM이 FlowDroid가 탐지한 일부 흐름을 놓친 것을 통해, 두 방식이 서로 부분적으로 다른 클래스의 테인트 흐름을 포착함을 확인했습니다.

의의 및 주장

본 논문은 이 연구를 상용 수준의 솔루션이라기보다 **예비 연구(preliminary study)**로 규정합니다. 주요 의의는 다음과 같습니다:

1. 모델 없이 추론하는 LLM: 기성 LLM은 수작업으로 만든 안드로이드 프레임워크 모델 없이도 비사소한(non-trivial) 테인트 흐름을 효과적으로 식별할 수 있습니다.
2. 대체보다는 보완: LLM은 전통적인 모델링이 실패하는 복잡한 시나리오(ICC, 리플렉션, 네이티브 코드)에서 특히 효과적이지만, 표준적인 경우에는 불필요하거나 비용이 많이 들 수 있습니다.
3. 하이브리드 잠재력: 본 연구 결과는 전통적인 정적 분석기가 일반적인 케이스를 효율적으로 처리하고, LLM이 재현율과 효과성을 높이기 위해 도전적인 시나리오에서 선택적으로 트리거되는 하이브리드 분석 파이프라인 구축을 위한 동기를 부여합니다.

저자들은 LLM의 비결정론, 환각, 그리고 다회 실행에 따른 높은 계산 비용을 포함한 한계를 인정합니다. 결론적으로, LLM이 전통적인 정적 분석을 대체하지는 못하지만, 어려운 안드로이드 환경에서 테인트 분석을 강화하기 위한 유망한 보완 기술임을 밝히며, 향후 연구는 견고한 하이브리드 파이프라인 설계와 더 큰 규모의 실제 데이터셋 확장에 집중할 것이라고 밝혔습니다.