본 논문은 금융, 교육, 행정 등 다양한 분야에서 활용되는 대규모 언어 모델(LLM)의 데이터 프라이버시 및 보안 위험을 해결하기 위한 보안 프레임워크를 제안한다. 이 프레임워크는 LLM 기반 정책 시행, 동적 정책 사용자 지정, 민감한 데이터 익명화라는 세 가지 핵심 혁신을 통해 정책 준수를 강화하고 위험을 완화한다. LLM 기반 정책 시행은 도메인 특정 민감 데이터 탐지를 향상시키고, 동적 정책 사용자 지정은 변화하는 보안 요구사항에 따라 실시간으로 정책을 적용하며, 민감한 데이터 익명화는 형식을 유지하는 암호화 기법을 통해 정보를 보호하면서 문맥적 무결성을 유지한다. 실험 결과는 이 프레임워크가 LLM 기반 작업의 기능적 정확성을 유지하면서 보안 위험을 효과적으로 완화함을 보여준다.
