Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Towards AI-Driven Human-Machine Co-Teaming for Adaptive and Agile Cyber Security Operation Centers

Created by
  • Haebom

저자

Massimiliano Albanese, Xinming Ou, Kevin Lybarger, Daniel Lende, Dmitry Goldgof

개요

본 논문은 사이버 보안 위협 관리에 어려움을 겪는 보안 운영 센터(SOC)를 위해, 대규모 언어 모델(LLM)을 활용한 인공지능 기반의 인간-기계 공동 작업 패러다임을 제시한다. LLM 기반 AI 에이전트가 SOC 운영에 내재된 암묵적인 지식을 인간 분석가로부터 학습하여 위협 인텔리전스, 알림 분류, 그리고 사고 대응 워크플로우를 향상시키는 것을 목표로 한다. 인간과 AI의 공동 작업을 통해 SOC 생산성을 향상시키는 구체적인 방안을 제시하고, SOC와의 협업을 통해 이 과정을 더욱 발전시키고 측정 가능한 개선 사례를 발견하고자 한다.

시사점, 한계점

시사점:
LLM 기반 AI를 활용한 인간-기계 공동 작업을 통해 SOC의 효율성 및 생산성 향상 가능성 제시.
AI 에이전트의 학습을 통한 SOC 운영의 지능화 및 자동화 가능성 제시.
위협 인텔리전스, 알림 분류, 사고 대응 등 SOC 업무 전반의 개선 가능성 제시.
인간 분석가의 부담 경감 및 전문성 향상 기여 가능성 제시.
한계점:
제시된 패러다임의 실제 효과 및 구현 가능성에 대한 실증적 연구 부족.
LLM 기반 AI 에이전트의 학습 데이터 및 알고리즘의 투명성 및 신뢰성 확보 필요성.
인간 분석가와 AI 에이전트 간의 효과적인 협업을 위한 인터페이스 및 프로세스 설계의 어려움.
LLM의 한계로 인한 오류 가능성 및 이에 대한 대응 방안 부재.
다양한 SOC 환경 및 위협 유형에 대한 일반화 가능성에 대한 검증 부족.
👍