본 논문은 전통적인 애플리케이션 및 에이전트 기반 시스템의 보안에 중요한 접근 제어 결정을 위해 대규모 언어 모델(LLM)을 활용하는 방안을 제시한다. 사용자에게 인지적 부담을 주는 접근 제어 결정 문제를 해결하기 위해, LLM을 사용하여 사용자의 보안 선호도에 맞춰 동적이고 상황 인지적인 결정을 내리는 것을 목표로 한다. 이를 위해 307개의 자연어 개인정보 처리방침과 14,682개의 사용자 접근 제어 결정으로 구성된 데이터셋을 구축하고, 일반 및 개인화된 LLM의 결정을 사용자 결정과 비교했다. 연구 결과, LLM은 사용자의 선호도를 잘 반영하며, 최대 86%의 정확도를 보였다. 또한, 개인화의 장단점을 분석하여, 실용적인 자연어 기반 접근 제어 시스템 설계를 위한 고려 사항을 제시한다.
