LLM 취약점 스캔
기업대규모 모델 애플리케이션이 출시된 후 신속한 주입, 민감한 데이터 유출 및 에이전트 무단 호출이 새로운 고빈도 위험이 되었습니다. LLM 누출 검색은 RAG, 에이전트 및 API 게이트웨이 시나리오에 대한 특수 프로브를 설계하여 악의적인 지침 및 데이터 유출을 시뮬레이션하고 비즈니스 손상이 발생하기 전에 보호 격차를 찾습니다.
200
주입 프로브
개인 식별 정보
누출 감지
대리인
통화 감사
현행 체계의 한계
기존 AppSec 도구가 실패함
SQLi/XSS 스캐닝은 프롬프트 공격 표면을 이해할 수 없습니다.
RAG 데이터 경계가 흐려짐
콘텐츠를 검색하면 내부 문서가 외부 사용자에게 노출될 수 있습니다.
에이전트 도구 호출을 제어할 수 없습니다.
모델은 승인되지 않은 API 또는 시스템 명령을 트리거할 수 있습니다.
문제 해결 방식
신속한 주입 프로브 라이브러리
탈옥, 간접 주입 및 여러 차례의 유도 시나리오를 다룹니다.
민감한 데이터 유출 탐지
출력물에서 PII, 키 및 내부 문서의 유출을 식별합니다.
상담원 행동 감사
권한 및 의도 일관성에 대한 도구 호출을 문서화하고 평가합니다.
제품 역량 모듈
LLM 앱 보안 스캔 — 프롬프트 인젝션, 데이터 유출, 모델 악용
RAG / Agent 注入评估
针对 prompt 注入、工具越权与 PII 外泄的专项剧本，覆盖 ChatGPT/Claude 自建网关。
Agent 架构测绘
梳理 system prompt、RAG 索引、function calling 与外部 API 边界。
含 MCP/Plugin 工具链权限矩阵
剧本定制
按业务场景生成 DAN、角色劫持、间接注入与数据外泄用例集。
支持多语言 prompt 变体
批量探针执行
自动化运行越狱、越权调用与 context 污染测试，记录完整对话链。
并发速率可配，避免 API 限流
风险矩阵输出
按可利用性×影响排序，附 gateway 策略与 prompt 加固清单。
可直接导入 AI Gateway 规则模板
대상 및 적용 시점
Enterprise Copilot 온라인 평가
내부 지식 베이스 Q&A는 데이터에 대한 무단 액세스를 방지해야 합니다.
전문가 상담
평가 또는 다음 단계를 진행할 준비가 되셨나요?
상황, 컴플라이언스 요구사항, 일정을 공유해 주시면 다음 단계를 안내해 드립니다.
일반적 응답 시간: 영업일 기준 1–2일