리서치 2026년 4월 20일 · 읽는 데 4분

KENSAI 연구: MARS²와 H-TechniqueRAG가 제시하는 에이전트형 보안의 실질적인 발전 경로

오늘의 연구 결론은 간단합니다. 에이전트형 보안 시스템이 압박받는 상황에서 계속 실패한다면 또 하나의 포장 계층을 덧붙이는 것으로는 해결할 수 없습니다. 여러 분기를 더 잘 탐색하고, 긴 도구 실행 경로 전체에 기여도를 더 정확히 배분하며, 일반적인 텍스트 유사도가 아니라 사이버 증거를 이해하는 검색이 필요합니다.


오늘의 연구 검토에서 달라진 점

오늘 가장 주목할 만한 논문들은 막연한 AI 과장이 아니었습니다. MARS²는 다중 에이전트 탐색을 명시적인 분기 탐색과 경로 단위 기여도 배분이 필요한 트리로 다룬다는 점에서 중요합니다. H-TechniqueRAG는 사이버 증거를 하나의 단편 묶음으로 평면화한 뒤 일반 문서처럼 순위를 매기면 검색이 무너진다는 문제를 다룹니다.

두 연구를 함께 보면 KENSAI가 나아갈 유용한 제품 방향이 드러납니다. 에이전트형 보안에는 가능한 행동 경로를 더 잘 탐색하는 능력과 구조화된 보안 증거를 더 잘 검색하는 능력이 동시에 필요합니다. 둘 중 하나라도 빠지면 시스템은 바쁘게 움직이는 듯 보여도 분석은 피상적인 수준에 머뭅니다.

1) MARS²는 긴 도구 실행 궤적에 더 나은 해답을 제시합니다

MARS²가 설득력 있는 이유는 하나의 에이전트가 모든 유용한 경로를 혼자 찾아야 한다는 가정을 버리기 때문입니다. 문제 해결을 여러 에이전트가 대안을 탐색하고 실제로 유용한 결과를 만든 경로 전체에 보상을 배분하는 공동 트리 탐색으로 다룹니다.

보안 업무에서는 최선의 다음 행동이 평범한 여러 단계를 거친 뒤에야 나타나는 경우가 많으므로 이 접근이 중요합니다. 정찰, 검증, 익스플로잇에는 모두 갈라지는 상태가 존재합니다. 시스템이 최종 답에만 보상하고 그 경로를 무시하면 잘못된 교훈을 학습합니다. 경로 단위 기여도 배분은 도구 사용 에이전트가 한 번 운 좋게 성공하는 데서 그치지 않고 반복해서 능숙하게 수행하도록 학습시키는 방법입니다.

2) H-TechniqueRAG는 실제 사이버 검색 문제를 해결합니다

H-TechniqueRAG가 흥미로운 이유는 사이버 증거가 본질적으로 계층 구조를 이루기 때문입니다. ATT&CK 기법과 절차, 호스트 아티팩트, 캠페인 기록, 탐지 지침은 하나의 평면에 존재하지 않습니다. 검색 시스템이 이 구조를 무시하면 분석가에게 필요한 증거 사슬 대신 막연히 관련 있어 보이는 문장을 반환합니다.

KENSAI가 얻어야 할 교훈은 명확합니다. 보안 검색의 품질은 기법, 대상, 증거, 행동 사이의 관계를 보존하는 데 달려 있습니다. 단편을 더 잘 나누는 것만으로는 충분하지 않습니다. 사이버 영역의 좋은 답은 대개 한 문단이 아니라 서로 연결된 사슬이라는 사실을 검색 계층이 알아야 합니다.

3) 두 논문을 결합한 제품적 함의는 각각의 결론보다 강력합니다

두 논문을 함께 살펴보면 에이전트형 보안 시스템의 실질적인 발전 경로가 보입니다. 탐색은 가능한 도구 경로의 분기를 더 충실하게 다뤄야 합니다. 보상은 최종 출력뿐 아니라 실행 궤적 전체에 배분해야 합니다. 검색은 모든 것을 의미 없는 유사도 덩어리로 평면화하지 말고 사이버 맥락을 이해하는 계층에서 증거를 가져와야 합니다.

이는 에이전트 실행 틀이나 대시보드 계층을 하나 더 추가하는 것보다 나은 로드맵입니다. KENSAI는 가능성 있는 경로를 하나 이상 탐색하고, 실제 성과를 낸 경로를 학습하며, 현실적인 보안 판단을 뒷받침하는 형태로 증거를 검색할 때 더 강해집니다.

KENSAI가 다음으로 해야 할 일

당장 필요한 조치는 실용적입니다. 실제 도구 작업에서 경로 단위 보상과 분기 탐색을 시험하는 평가 하나를 만들고, 일반적인 답변의 유창함이 아니라 ATT&CK 방식의 증거 정확도를 측정하는 검색 평가 하나를 만들어야 합니다.

이 두 피드백 루프가 개선되면 나머지 기술 스택도 빠르게 보여 주기식 요소를 벗어납니다. 탐색이 좋아지면 쉽게 깨지는 에이전트 실행이 줄고, 검색이 좋아지면 그럴듯하지만 틀린 답이 줄어듭니다. 이런 연구 통합은 발표 자료에 그치지 않고 제품의 실제 동작을 바꿉니다.

끝에서만 평가하지 말고 경로를 따라 학습하는 에이전트형 보안 시스템을 구축하십시오

KENSAI는 더 나은 검색과 오케스트레이션부터 증거 우선 운영 화면까지, 연구 신호를 실질적인 보안 실행으로 전환합니다.

KENSAI 살펴보기

KENSAI — AI 기반 보안 인텔리전스