UNIST, AI 협력 구조 높인 공격·방어 프레임워크 개발

군집 드론, 군집 로봇 AI 모델 평가·강건성 향상에 활용…ICML 논문 채택

[울산=뉴시스] 구미현 기자 = 후속 공격 대상이 되는 AI 에이전트 선정 과정 photo@newsis.com *재판매 및 DB 금지

[울산=뉴시스] 구미현 기자 = 국내에서 드론 등 로봇에 탑재된 인공지능(AI) 협력 구조를 견고하게 하는 기술이 나왔다. 악천후나 센서가 고장 나는 상황에서는 협력 구조가 쉽게 무너질 수 있는데, 이를 '예습'시켜 실전에서도 견고하게 해 주는 기술이다.

울산과학기술원(UNIST)은 인공지능대학원 한승열 교수팀이 다중 에이전트 협력 구조를 단계적으로 무너뜨리는 인위적 오작동 공격 전략인 '울프팩 어택(Wolfpack Attack)'과 이를 학습에 활용하는 방어 프레임워크 '월(WALL)'을 함께 개발했다고 30일 밝혔다.

강화학습은 AI가 다양한 상황을 경험하며 스스로 행동 전략을 익히는 학습 방식이다. 단일 에이전트를 무작위로 교란하는 기존 공격 방식만으로는 협력 체계의 취약점을 제대로 평가하기 어렵고, 센서 고장, 날씨 변화, 의도적 해킹과 같은 현실적 위기 상황에 대한 훈련 효과도 제한적이다.

연구팀이 개발한 울프팩 어택은 한 에이전트를 오작동 시킨 뒤 그를 도우려는 나머지 에이전트에 연쇄적으로 문제를 일으켜 전체 협력 구조를 붕괴시키는 방식이다. 늑대가 떼를 이뤄 약한 개체를 고립시킨 뒤, 이를 도우러 오는 동료 개체까지 순차적으로 제압하는 사냥 방식을 모방한 전략이다.

이 공격 모델에서는 트랜스포머 기반 예측 모델이 향후 손실을 계산해 첫 공격 시점을 자동으로 선택하고, 후속 공격 대상은 협동성에 민감하게 반응하는 에이전트를 행동 변화량으로 분석해 차례로 결정한다.

함께 개발된 월은 이러한 교란 전략을 AI 훈련 환경에 도입한 방어 학습 구조다. 실험 결과, 월을 통해 학습한 AI는 위치 오류나 통신 지연 같은 상황에서도 서로 부딪히지 않고 목표 지점에 도달하거나, 함께 물체를 밀고 진형을 유지하는 등 높은 적응력과 안정적인 협력 성능을 보였다.

[울산=뉴시스] 구미현 기자 = UNIST 연구진. 사진 왼쪽부터 한승열 교수, 이선우 연구원 photo@newsis.com *재판매 및 DB 금지

한승열 교수는 “이번에 개발된 기술은 협력형 AI 모델의 정확한 성능 평가와 위기 상황에 강한 협력 AI 모델을 만드는 데 활용될 수 있다”며 “자율 드론, 스마트 팩토리, 군사·재난 현장의 군집 로봇 산업 발전에 기여할 수 있을 것”이라고 설명했다.

이번 연구는 과기정통부와 정보통신기획평가원(IITP)의 '지역 지능화 혁신 인재 양성사업', '사람 중심 인공지능 핵심 원천기술 개발'과 '인공지능대학원 지원(울산과학기술원)' 사업의 도움을 받아 이뤄졌다.

연구 결과는 기계학습 분야 최고 권위 학회인 국제머신러닝학회(ICML)에 채택됐다. 지난 13일부터 19일까지 캐나다 밴쿠버에서 열린  2025 ICML에는 전 세계에서 1만2107편의 논문이 투고됐으며, 이 중 3260편만이 채택됐다.

☞공감언론 뉴시스 gorgeouskoo@newsis.com