논문 제목: 사이버보안 에이전트에서 Trajectory 상태 기반 SLM-LLM 동적 에스컬레이션 기법
논문 요약(Abstract):
최근 대규모 언어 모델(Large Language Model, LLM)을 활용하여 취약점 분석, 침투 테스트 및 보안 문제 해결 과정을 자동화하는 사이버보안 에이전트 연구가 활발히 진행되고 있다. 높은 성능의 LLM은 복잡한 추론과 장기간의 작업 수행에서 우수한 성능을 보일 수 있지만, 에이전트의 모든 의사결정 단계에서 LLM을 사용하는 경우 높은 추론 비용이 발생한다. 반면 소형 언어 모델(Small Language Model, SLM)은 상대적으로 낮은 비용으로 반복적인 작업을 수행할 수 있지만, 복잡한 추론이 필요하거나 작업이 장기화되는 경우 잘못된 행동을 반복하거나 문제 해결에 실패할 가능성이 있다.
본 연구에서는 SLM을 기본 에이전트로 사용하면서, 에이전트의 작업 수행 과정에서 축적되는 trajectory 상태 정보를 분석하여 필요한 시점에만 상위 LLM의 추론 능력을 활용하는 Trajectory 상태 기반 SLM-LLM 동적 에스컬레이션 기법을 제안한다. 에이전트가 수행한 행동 및 관찰 이력으로부터 작업 진행도, 연속 실패 횟수, 반복 행동, 증거 획득 여부, 도구 실행 성공 여부 등의 상태 특징을 추출하고, 이를 바탕으로 현재 SLM이 작업을 계속 수행할지 또는 LLM으로 에스컬레이션할지를 동적으로 결정한다.
제안 기법의 유효성을 검증하기 위해 사이버보안 에이전트 벤치마크 환경에서 SLM 단독 수행, LLM 단독 수행, 고정된 조건에 따른 정적 에스컬레이션 방식과 비교할 예정이다. 문제 해결 성공률, LLM 호출 횟수, 토큰 사용량 및 추론 비용 등을 평가하여, 제안 기법이 사이버보안 문제 해결 성능을 유지하면서 고성능 LLM에 대한 불필요한 호출을 감소시킬 수 있는지를 분석하는 것을 목표로 한다.
학위연월: [2027년 2월]
E-mail: dawit@islab.re.kr
지도교수: 김호원 교수님
키워드: Cybersecurity Agent, Small Language Model (SLM), Large Language Model (LLM), Dynamic Escalation, Agent Trajectory
학위논문 소개 웹페이지 URL: https://sites.google.com/view/dawit-islab-pnu/