Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
Reparo는 접근 제어 정책의 합성, 수리 및 검증을 위한 LLM 지원 파이프라인입니다. 이 도구는 저장소 증거를 수집하여 초기 정책을 생성하고, 공식 검증 도구를 통해 오류를 식별하며 자동으로 수정합니다. 행동 오라클 기반 의미론적 검증까지 수행하여 높은 정확도를 입증했습니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv Codex (cs.SE)의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기소프트웨어 애플리케이션에 대한 정확한 접근 제어 정책을 작성하는 것은 권한 부여 언어(authorization language)에 대한 전문 지식과 애플리케이션의 권한 부여 요구 사항에 대한 철저한 이해가 필요하기 때문에 어렵습니다. 기존의 합성 및 마이닝(mining) 접근법은 명시적인 권한 부여 입력과 신뢰할 수 있는 참조 정책(trusted reference policy)을 가정합니다. 그러나 권한 부여 로직은 종종 단일 아티팩트에 포착되기보다는 코드, 주석, 문서 전반에 걸쳐 분산되어 있으며, 실제 애플리케이션 저장소에서 개발자가 정의한 정책은 불완전하거나, 구식이거나, 부정확한 경우가 많습니다. 우리는 접근 제어 정책의 합성(synthesis), 수리(repair), 검증을 위한 LLM 지원 파이프라인인 Reparo를 제시합니다. Reparo는 권한 부여 의도에 대한 저장소 증거(repository evidence)를 수집하고 이를 사용하여 LLM이 초기 정책을 생성하도록 안내합니다. 그런 다음 공식 정책 언어 검증 도구(official policy-language validation tools)를 사용하여 오류를 식별하고 자동으로 수정합니다. 의미론적 검증(semantic validation)의 경우, 다른 LLM이 동일한 저장소 증거로부터 행동 오라클(behavioral oracle)을 파생시키는데, 이는 예상되는 허용 또는 거부 결정과 함께 구체적인 권한 부여 요청으로 구성되며, Reparo는 이 오라클을 생성된 정책에 대해 실행합니다. 우리는 통계적으로 산출된 390개의 테스트 케이스 샘플에 대해 수동으로 오라클을 평가했습니다. 우리는 Cedar, OpenFGA 또는 Rego를 사용하는 228개의 실제 GitHub 저장소에서 Reparo를 평가했습니다. 이들 저장소에서 저장소 정책의 40.6-55.7%가 해당 언어의 검증 도구에서 실패하는 반면, Reparo는 수리 후 99.0-100%의 유효한 정책을 생성합니다. 오라클과의 일치율은 OpenFGA의 경우 98.2-99.6%, Cedar의 경우 82.0-86.5%, Rego의 경우 76.3-80.2%였습니다. 수동 검토는 샘플링된 테스트 케이스 중 91.5-96.9%가 정확함을 확인했습니다. 하나의 저장소에 대한 정책 합성 및 검증에는 약 5분이 소요되며 비용은 $0.55-$1.57입니다. 이러한 결과는 신뢰할 수 있는 참조 정책이 존재하지 않더라도, 저장소 증거가 접근 정책의 합성과 독립적인 검증 모두를 지원할 수 있음을 보여줍니다.