연구진이 불확실성이 존재하는 AI 에이전트 보안 정책 검증을 위한 새로운 프레임워크를 제시했어요. 기존 방식은 결정론적 정책만 지원했지만, 이 프레임워크는 확률적 정책도 안전하게 검증할 수 있어요. 분산 강건 최적화 기법을 활용하여 정책 위반 확률에 대한 엄격한 상한을 계산하며, 기존 방식 대비 성능과 보안-효율성 균형을 개선했어요.
AI 에이전트의 보안 정책 검증은 복잡한 디지털 환경에서 중요한 과제이며, Datalog와 같은 형식 언어로 정책을 정의하고 시행하는 런타임 모니터링 방식이 유망한 해결책을 제시해요. 하지만 기존 방식은 독립성 가정에 의존하여 확률적 추론을 수행하는 데 한계가 있었어요. 연구진은 상관관계가 있는 정책에서도 안전하게 검증할 수 있는 프레임워크를 개발했어요.
표준 벤치마크에서 연구진은 이 프레임워크가 기존 방식보다 우수한 성능을 보이며, 정책 위반 확률에 대한 엄격한 상한을 보장하면서 보안-효율성 균형을 개선하는 것을 입증했어요.