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.

IP Leakage Attacks Targeting LLM-Based Multi-Agent Systems

Created by
  • Haebom

저자

Liwen Wang, Wenxuan Wang, Shuai Wang, Zongjie Li, Zhenlan Ji, Zongyi Lyu, Daoyuan Wu, Shing-Chi Cheung

개요

본 논문은 대규모 언어 모델(LLM) 기반 다중 에이전트 시스템(MAS)의 지적 재산(IP) 보호 취약성을 다룬다. 연구진은 MAS의 공개 API만을 이용하여 시스템 아키텍처, 프롬프트, 작업 지시사항, 도구 사용 등 민감한 정보를 추출하는 새로운 공격 프레임워크인 MASLEAK을 제시한다. MASLEAK은 컴퓨터 웜의 전파 방식에서 영감을 얻어, 적대적 질의(query)를 통해 각 에이전트의 응답을 유도하고 전파하여 시스템의 내부 정보를 획득한다. 810개의 합성 MAS 애플리케이션 데이터셋과 Coze, CrewAI와 같은 실제 애플리케이션을 대상으로 실험한 결과, 시스템 프롬프트 및 작업 지시사항은 평균 87%, 시스템 아키텍처는 대부분의 경우 92%의 높은 정확도로 정보 추출에 성공했다.

시사점, 한계점

시사점:
LLM 기반 MAS의 IP 보호 취약성을 체계적으로 분석하고, 실질적인 공격 위협을 제시한다.
MASLEAK은 실제 환경에서 효과적으로 작동하는 실용적인 공격 프레임워크임을 보여준다.
LLM 기반 MAS 개발 및 운영 시 IP 보호를 위한 새로운 보안 메커니즘 개발의 필요성을 강조한다.
한계점:
MASLEAK의 효과는 특정 유형의 MAS 아키텍처 및 API 설계에 의존할 수 있다.
실제 세계의 모든 MAS 애플리케이션에 대해 일반화 가능성을 보장하기 어렵다.
MASLEAK에 대한 방어 메커니즘 개발 및 평가에 대한 추가 연구가 필요하다.
👍