일관된 서사 미끼, 공격자 체류 늘려
최근 30일 조회수 — 좋아요 —핵심 요약
LLM 기반 허니팟에서 연결된 서사형 미끼가 고급 공격자의 세션을 늘리고 포기율을 낮췄다.

대규모언어모델(LLM)로 공격자를 상대하는 적응형 허니팟에서, 서로 연결된 ‘이야기’를 구성한 미끼가 무관한 미끼보다 공격자의 체류 시간을 크게 늘린다는 연구 결과가 나왔다. 11월 17일 arXiv에 공개된 논문에 따르면, 서사적으로 일관된 시나리오는 고급 공격자의 세션 길이 중앙값을 40개 명령에서 165개 명령으로 늘리고, 세션 포기율은 86%에서 52%로 낮췄다.1
연구진이 제안한 ‘서사적 기만’은 공격자가 입력한 명령을 관찰하며 대응하는 방식이다. 방어자는 각 명령을 MITRE ATT&CK 공격 기법에 대응시킨 뒤, MITRE Engage를 바탕으로 만든 목록에서 그 기법과 맞는 시나리오를 고른다. 이어 에뮬레이션한 우분투 호스트에 파일·프로세스·서비스·로그를 배치한다. 이 미끼들은 서로를 참조해 하나의 사건이 실제로 벌어진 듯한 단서를 만든다. 공격자와 방어자는 실제 SSH 세션을 통해 상호작용했다.
실험은 1,150개 세션으로 진행됐다. 연구진은 정적 미끼(Static), 동일 공격 전술·기법·절차를 따르는 미끼(Same-TTP), 여러 전술·기법·절차를 조합한 미끼(Multi-TTP), 일련의 공격 흐름을 구성한 미끼(Chain) 등 복잡도가 높아지는 네 조건을 비교했다. 공격자에는 오픈 웨이트 모델 4종과 숙련도 3단계를, 방어자에는 모델 4종을 적용했다. 그 결과 공격자의 참여도는 네 조건의 각 단계에서 유의미하게 증가했으며, 효과는 16개 공격자·방어자 모델 조합 모두에서 나타났다. 특히 공격자 숙련도가 높을수록 일관된 서사의 효과가 커졌다.
이 차이는 반응마다 제공한 미끼의 양을 같게 맞추고도 확인됐고, 추론 비용도 조건별로 비슷했다. 따라서 단순히 미끼를 더 많이 뿌린 결과로 보기는 어렵다. 다만 논문은 세션 종료 원인을 ‘기만을 의심한 포기’와 ‘흥미를 잃은 포기’로 구분했는데, 거의 모든 종료는 탐지보다 흥미 상실에서 비롯됐다. 정교한 시스템 흉내만으로는 충분하지 않으며, 공격자가 계속 조사할 만한 의미 있는 단서를 이어서 제공해야 한다는 해석이다.
Footnotes
-
arXiv, “Adaptive LLM-Driven Honeypots vs. LLM-Driven Attackers: Does Narrative Coherence Improve Deception?” ↩
읽기 목록은 이 브라우저에 저장됩니다.
출처
- Adaptive LLM-Driven Honeypots vs. LLM-Driven Attackers: Does Narrative Coherence Improve Deception? — arXiv (cs.CR)
이 글은 위 출처를 근거로 자동 생성된 뒤 발행됐습니다. 원문을 함께 확인해 주세요. 교차 보도 없이 단독 출처로 작성됐습니다.