박현우, 이태진, 이선우, 정혜란,

Vol. 35, No. 6, pp. 1531-1540, 12월. 2025
10.13089/JKIISC.2025.35.6.1531, Full Text:
Keywords: XAI, LLM, Network, Topology, prompt engineering
Abstract

인공지능(AI)이 보안 분야에서 활발히 사용됨에 따라, AI 모델의 판단 근거를 제공하는 설명 가능한 인공지능(XAI)의 중요성도 부각되고 있다. 그러나 기존 XAI는 국소적 설명에 그쳐 종합적인 인사이트 제공에 한계가 있으며, 단일 트래픽 기반 해석은 네트워크 행위 파악이나 모호한 트래픽 설명에 효과적이지 않다. 본 연구에서는 이러한 한계를 극복하기 위해 LLM과 프롬프트 엔지니어링을 활용한 토폴로지 기반 XAI를 제안한다. 탐지된 데이터의 토폴로지 상 연결 관계 및 통신량에 기반한 연결 IP별 정보 비율 등을 추가로 추출하였으며, Zero-shot-CoT 기반으로 LLM이 학습 데이터 없이 각 공격의 그래프 특성을 바탕으로 토폴로지 정보에 기반한 분석을 수행할 수 있도록 설계하였다. 이를 통해 기존 XAI와 달리 네트워크 내 행위 추론 및 특징이 모호한 트래픽에 대해서도 효과적인 해석을 제공할 수 있음을 확인하였다.

Statistics
Cite this article