[FETV=신동현 기자] SK쉴더스는 ‘LLM(거대언어모델) 애플리케이션 취약점 진단 가이드’를 발간했다고 8일 밝혔다.

SK쉴더스는 2025년 주요 보안 위협 중 하나로 AI 기반의 해킹 증가를 꼽으며, 특히 소규모 언어 모델(sLLM)을 겨냥한 해킹과 LLM의 구조적 취약점을 악용한 데이터 조작 및 유출 공격이 심화되리라 전망했다. 

SK쉴더스는 이번 가이드는 LLM의 14개의 주요 취약점을 위험도에 따라 3단계로 분류해 점검 방법과 대응 방안을 제시하고 있다고 밝혔다.

보고서에 따르면, 대표적인 보안 위협으로는 ‘프롬프트 인젝션’과 ‘API 매개 변수 변조’, ‘RAG(검색증강생성) 데이터 오염’ 등이 있다. 프롬프트 인젝션은 사용자의 입력값을 악의적으로 조작해 시스템이 의도하지 않은 응답을 출력하도록 유도하는 공격이다. 이는 악의적인 응답 생성, 민감한 정보 유출 등을 초래할 수 있다.

API 매개 변수 변조는 시스템 간 통신에 사용되는 API 요청값을 변경해 시스템 권한을 초과하는 동작을 실행시키는 위협이다. 이를 통해 악성 이메일 전송, 데이터 유출, 시스템 장악과 같은 심각한 문제가 발생할 수 있다. 

RAG 데이터 오염은 외부 데이터를 악의적으로 조작해 검색된 정보의 신뢰도를 떨어뜨리는 방식으로 보안 문제를 야기한다. 

이 외에도 서드파티 소프트웨어 사용과 보호된 영역 안에서만 프로그램이 작동 가능한 샌드박스 미적용도 위험도가 높은 항목으로 꼽았다.

이번 가이드에서는 이러한 보안 위협을 예방하기 위해 사용자와 시스템 명령어(프롬프트)를 분리하고 데이터 흐름 점검 및 데이터 검증 절차를 강화해야 한다고 강조했다. LLM의 코드 실행 유무에 따라 샌드박스를 활용해 악성코드 실행을 방지하고 RAG 활용 시 권한 없는 데이터 접근을 차단하기 위해 그룹별 권한 관리 체계를 구축할 것을 권고했다. 다층 보안 체계를 도입해 데이터 오염 및 권한 상승 공격을 방지해야 한다고 덧붙였다.

SK쉴더스 관계자는 “이번 가이드는 기업과 기관이 직면할 수 있는 AI 보안 문제를 사전에 예방함과 동시에, 신뢰할 수 있는 AI 시스템을 구축하는 데 실질적 도움을 줄 것으로 기대된다”고 말했다.