# ADR: An Agentic Detection System for Enterprise Agentic AI Security

### 저자

Chenning Li, Pan Hu, Justin Xu, Baris Ozbas, Olivia Liu, Caroline Van, Manxue Li, Wei Zhou, Mohammad Alizadeh, Pengyu Zhang, KK Sriramadhesikan, Ming Zhang

### 💡 개요

본 논문은 엔터프라이즈 환경에서 AI 에이전트의 보안을 강화하기 위한 최초의 대규모 상용 프레임워크인 ADR(Agentic AI Detection and Response) 시스템을 소개합니다. ADR은 기존 엔드포인트 탐지 및 대응(EDR) 도구가 포착하지 못하는 에이전트의 추론, 프롬프트, 의도와 실행 간의 인과 관계를 파악하는 데 있어 제한적인 가시성, 예측 불가능한 공격 기법에 대한 낮은 방어 견고성, 그리고 LLM 기반 탐지의 높은 비용 문제를 해결합니다. 이를 위해 고품질의 에이전트 텔레메트리 수집을 위한 ADR 센서, 사전 배포 레드팀 및 어려운 사례 생성을 위한 ADR 익스플로러, 그리고 빠른 분류와 맥락 인식 추론을 결합한 확장 가능한 2단계 온라인 탐지를 위한 ADR 디텍터를 제안합니다.

### 🔑 시사점 및 한계

- AI 에이전트의 내부 동작(추론, 프롬프트)에 대한 깊이 있는 가시성을 제공하여 기존 보안 도구의 한계를 극복합니다.

- 실제 운영 환경에서 검증된 솔루션으로, 대규모 엔터프라이즈 환경에서의 AI 에이전트 보안 구축 가능성을 보여줍니다.

- 2단계 탐지 메커니즘과 자동화된 레드팀 기능을 통해 탐지 비용을 절감하고 방어의 효율성을 높입니다.

- ADR-Bench 및 AgentDojo와 같은 새로운 벤치마크를 제시하여 커뮤니티의 연구 및 채택을 촉진합니다.

- 탐지율(67%)이 완벽하지 않아 향후 탐지 성능 향상을 위한 추가적인 연구가 필요합니다.

[PDF 보기](https://arxiv.org/pdf/2605.17380)

For the site tree, see the [root Markdown](https://slashpage.com/haebom.md).