인공지능 (AI) 및 대규모 언어 모델 (LLMs)이 자율 소프트웨어 테스트 (autonomous software testing)에 점점 더 많이 사용되고 있습니다. 그러나 AI가 생성한 테스트 산출물 (test artifacts)은 종종 환각 (hallucinations), 규정 준수 위반 (compliance violations), 보안 리스크 (security risks) 및 제한된 설명 가능성 (explainability) 문제를 겪습니다. AI 생성 테스트 산출물의 신뢰성 (reliability), 투명성 (transparency) 및 신뢰도 (trustworthiness)를 향상시키기 위해, 본 연구는 거버넌스 인지형 자율 테스트 프레임워크 (Governance-Aware Autonomous Testing Framework, GATF) 개념을 도입합니다. 이 프레임워크는 거버넌스 검증 (governance validation), 설명 가능성 분석 (explainability analysis), 확률적 리스크 평가 (probabilistic risk assessment), 규정 준수 모니터링 (compliance monitoring) 및 감사 거버넌스 (audit governance)를 통해 자율 테스트 라이프사이클 (autonomous testing lifecycle)을 확장합니다. 실험은 Defects4J 및 PROMISE 소프트웨어 공학 데이터셋을 사용하여 수행되었습니다. 제안된 프레임워크는 거버넌스 관련 리스크를 89.6% 감소시키는 데 성공했으며, 거버넌스 측면에서 94.3%의 정확도, 96.5%의 산출물 신뢰도, 94.2%의 규정 준수 정확도, 그리고 90.8%의 설명 가능성 성능을 입증했습니다. 결과에 따르면, 거버넌스를 인지하는 자율 테스트 시스템은 기존의 AI 기반 테스트 시스템과 비교하여 자율 테스트 시스템의 신뢰성, 투명성 및 운영 보안 (operational security)을 크게 향상시킬 수 있음을 보여줍니다. 제안된 아키텍처 (architecture)는 확장 가능하고 신뢰할 수 있으며 소프트웨어 테스트를 위한 안전한 환경을 제공합니다.