본 연구는 대규모 언어 모델(LLM)과 검색 증강 생성(RAG) 시스템을 지속적인 위협 인텔리전스 피드와 통합하여 실시간 사이버 보안 위협 탐지 및 대응을 향상시키는 새로운 접근 방식을 제시합니다. 특히 GPT-4o를 활용하고 RAG 기법을 혁신적으로 적용하여 기존의 정적인 위협 분석의 한계를 동적인 실시간 데이터 소스를 통합함으로써 해결합니다. Patrowl 프레임워크를 사용하여 CVE, CWE, EPSS, KEV 데이터베이스 등 다양한 사이버 보안 위협 인텔리전스 피드를 자동으로 검색하고, all-mpnet-base-v2 모델을 사용하여 고차원 벡터 임베딩을 생성하여 Milvus에 저장하고 쿼리합니다. 일련의 사례 연구를 통해 기준 GPT-4o와 비교하여 최근 공개된 취약점, KEV 및 높은 EPSS 점수를 가진 CVE를 해결하는 데 상당한 개선을 보여줍니다. 이 연구는 사이버 보안에서 LLM의 역할을 발전시킬 뿐만 아니라 자동화된 지능형 사이버 위협 정보 관리 시스템 개발을 위한 강력한 기반을 구축하여 현재 사이버 보안 관행의 중요한 격차를 해소합니다.
