에이전트의 도구 호출과 RAG의 검색·문서 접근에서 권한 경계를 시험합니다. 실제 모델과 교육용 모의 도구·문서를 사용해 승인 게이트와 검색 권한 필터를 관찰하고 미션 5·6 진단 기록지를 작성합니다.

키·접근 범위·호출 제한·실행 권한·가드레일·기록 등 AI 서비스의 설정을 점검합니다. 다른 조건을 유지한 채 통제 전후를 비교하고 출력 처리까지 검토해 미션 4-2 설정 점검표와 진단 기록을 작성합니다.

응답 하나로 진단 결과를 단정하지 않도록, 입력 조건·반복 결과·오류·로그를 대조합니다. 직접·간접 프롬프트 인젝션을 관찰하고 근거가 붙은 미션 4 진단 기록지 한 건을 작성합니다. 1편의 실습 환경과 3편의 위협 모델서가 필요합니다.

실행 전에 범위·교전 규칙·시험 조건·판정 근거를 정합니다. AI 자산과 신뢰 경계, STRIDE 시나리오를 연결해 레드팀 계획서와 위협 모델서를 작성하고 반복 결과에서 말할 수 있는 범위를 구분합니다.

앞 강의의 진단 근거를 조직의 개선 계획으로 연결합니다. Shadow AI의 데이터 흐름과 통제 적용 요건을 검토하고, 관측 증거·영향·한계·조치 주체·재시험 기준을 담은 통제 설계서와 레드팀 보고서를 작성합니다.

토큰과 컨텍스트부터 RAG·에이전트·가드레일까지 AI 서비스의 동작을 보안 관점으로 읽습니다. 개념을 제공된 백엔드 코드와 대조하고 입력·검색·도구 호출에서 점검할 지점을 공격 표면 지도 한 장으로 정리합니다.

AI 보안 사고와 레드팀의 역할을 짚고, 본인 AWS 계정에 LLM 실습 환경을 올립니다. 첫 응답 캡처부터 사용량 확인과 자원 정리까지 미션 0 체크리스트에 남깁니다. 프롬프트 인젝션 진단 실습은 4편에서 이어집니다.