LLM(Large Language Model) 기반 다중 에이전트 시스템(LLM-MAS)의 협업 문제 해결 능력은 뛰어나지만, 새로운 보안 위험을 초래한다. 본 논문은 LLM-MAS에서 의도 은폐 공격을 체계적으로 연구하여, 4가지 대표적인 공격 패러다임을 설계하고, 중앙 집중형, 분산형, 계층형 통신 구조에서 평가한다. 실험 결과, 이러한 공격이 파괴적이며 기존 방어 메커니즘을 쉽게 회피할 수 있음을 확인했다. 이에 대응하기 위해 심리학 기반 탐지 프레임워크 AgentXposed를 제안한다. AgentXposed는 HEXACO 성격 모델과 Reid 심문 기법을 활용하여 악의적인 에이전트의 의도를 사전에 식별한다. 6개의 데이터 세트에 대한 실험 결과, AgentXposed가 다양한 형태의 악의적 행동을 효과적으로 탐지하고 여러 통신 설정에서 강력한 견고성을 보였다.
