AgentWard: 자율형 AI 에이전트를 위한 라이프사이클 보안 아키텍처

자율형 AI 에이전트 (Autonomous AI agents) 는 대규모 언어 모델 (Large Language Models) 을 스킬 로딩, 외부 콘텐츠 인제스트, 메모리 유지, 다단계 행동 계획 수립, 그리고 특권 도구 호출이 가능한 전체 런타임 시스템으로 확장합니다. 이러한 시스템에서 보안 실패는 단일 인터페이스에 국한되는 경우가 드물며, 대신 초기화 (initialization), 입력 처리 (input processing), 메모리 (memory), 의사결정 (decision-making), 실행 (execution) 을 가로지르며 전파될 수 있습니다. 종종 이러한 위협은 환경에서 해로운 효과가 나타날 때까지 발견되지 않습니다. 본 논문에서는 이 다섯 가지 단계를 체계적으로 보호하는 라이프사이클 지향적, 심층 방어 아키텍처인 AgentWard 를 제시합니다. AgentWard 는 단계별 이질적인 컨트롤 (heterogeneous controls) 과 교차 계층 조정을 통합하여, 위협 전파 경로를 따라 위협을 차단하면서도 핵심 자산을 보호합니다. 우리는 다섯 가지 조정된 보호 계층의 설계 근거와 아키텍처를 상세히 설명하며, OpenClaw 에서 플러그인 네이티브 프로토타입을 구현하여 실용적인 타당성을 입증합니다. 이 관점은 자율형 AI 에이전트에서 런타임 보안 컨트롤 구조화, 신뢰 전파 관리, 실행 격리 강제를 위한 구체적인 청사진을 제공합니다. 우리의 코드는 https://github.com/FIND-Lab/AgentWard 에서 이용 가능합니다.