OCR 렌더링 기반 텍스트 정제 통한 Prompt Injection 12종 완전 무력화

Context

Local LLM 기반 웹 검색 도구에서 Unicode Injection 및 Markdown 이미지 태그를 통한 데이터 유출 공격 노출. 기존 모델 레벨 방어 체계가 Adaptive Attack에 대해 53.6%의 실패율을 보이며 한계를 드러낸 상황.

Technical Solution

• 텍스트를 이미지로 렌더링 후 다시 OCR로 추출하는 Round-trip 구조를 통한 시각적 비표현 문자(Zero-width, Bidi override 등)의 물리적 제거
• ImageMagick(300 DPI, 20pt monospace, TIFF)과 Tesseract LSTM 엔진을 결합한 Ground Truth 텍스트 추출 파이프라인 구축
• 31개의 컴파일된 정규표현식 패턴을 활용한 Instruction Override 및 Role Hijacking 시도 탐지 및 Redaction
• URL 및 Email 주소의 강제 제거를 통한 외부 데이터 유출 경로(Exfiltration Channel) 원천 차단
• 정제된 텍스트에 HOSTILE/UNTRUSTED 메타데이터를 부여하는 Trust Wrap 적용으로 LLM에 출처 정보 제공
• OCR 정제 단계를 최상단에 배치하여 이후 모든 필터링 레이어가 깨끗한 텍스트 기반으로 동작하도록 설계