LLM 오케스트레이션을 통한 OSINT 분석 시간 90% 단축

Context

전통적인 OSINT 프로세스는 개별 도구의 결과물을 분석가가 수동으로 취합하고 교차 검증하는 구조로 인해 높은 시간 비용 발생. 파편화된 raw data를 구조적 인텔리전스로 변환하는 과정에서 분석가의 인지 부하가 병목 지점으로 작용.

Technical Solution

• LLM을 단순 챗봇이 아닌 Tool Orchestrator로 활용하여 개별 OSINT 도구의 출력값을 체이닝하는 워크플로우 설계
• theHarvester 및 Shodan 등 이기종 도구의 Raw Output을 LLM에 입력하여 정형화된 Intelligence 데이터로 합성
• LinkedIn 인원수와 Shodan 결과값을 교차 참조하여 타겟 인프라의 규모와 패턴을 추론하는 논리적 추론 엔진 구현
• 서브도메인 패턴 분석을 통한 Staging 환경 예측 등 가설 생성 및 검증 과정을 AI 기반으로 자동화
• API Endpoint 보안 진단을 위해 Probe-Confirm-Escalate-Document로 이어지는 정형화된 Attack Chain 적용
• LLM API의 Prompt Injection 및 IDOR 취약점을 타겟팅한 특화 페이로드 구성 및 검증 로직 통합