AIxCC 2025 탐지율 90% 달성 및 Zero-day 29개 발굴한 Multi-Agent 보안 시스템

Multi-Agent LLM System for Automated Vulnerability Discovery and Reproduction

2026년 5월 27일2분advanced

AI 요약

Context

LLM 기반 취약점 탐지의 고질적인 False Positive 문제와 재현 가능성 부재라는 한계 존재. Function-level 분석의 컨텍스트 부족과 Line-level 분석의 문맥 결여로 인한 Localization 정밀도 저하 및 복잡한 Cross-function 의존성 추론의 어려움 발생.

Technical Solution

Google OSS-Fuzz 기반 자동화 파이프라인 구축을 통한 모든 보고 취약점의 Fuzzer-reproducible 검증 체계 확보
Control-flow 기반 추상화 모델인 Suspicious Point 도입을 통한 최적 granularity의 취약점 Localization 구현
리소스 제약 조건 하의 Function Coverage 극대화를 위한 Logic-driven Hierarchical Function Analysis 및 Dual-layer Fuzzing 설계
MCP 기반 Static/Dynamic 분석 도구와 Context Engineering 결합을 통한 복잡한 트리거 조건 및 의존성 추론 능력 강화

실천 포인트

1. LLM 생성 결과물을 검증할 수 있는 자동화된 Sandbox 또는 Fuzzer 환경 구축 여부 확인

2. 분석 대상의 granularity를 고정하지 않고 Control-flow에 따라 동적으로 조정하는 추상화 계층 설계 검토

3. 복잡한 로직 분석 시 단순 프롬프트가 아닌 Static/Dynamic 분석 툴을 Agent의 Tool-use 형태로 제공하는 MCP 아키텍처 적용

태그

#Fuzzing #Context Engineering #Vulnerability Discovery #Zero-day #Multi-Agent-System

원문 읽기