# \#adr **URL:** https://discuss.pytorch.kr/tag/adr/8905.md [최신](https://discuss.pytorch.kr/latest.md) · [카테고리](https://discuss.pytorch.kr/categories.md) · [태그](https://discuss.pytorch.kr/tags.md) --- ## [ADR(Agentic AI Detection and Response): 사내 코딩 에이전트의 활동을 기록해 위협을 탐지하는 Uber의 에이전트 보안 시스템](https://discuss.pytorch.kr/t/adr-agentic-ai-detection-and-response-uber/11691)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [8월 24, 2026, 3:30오전 UTC](https://discuss.pytorch.kr/t/adr-agentic-ai-detection-and-response-uber/11691 "2026-08-24T03:30:34Z")
ADR 소개 회사 노트북에서 Claude Code, Cursor, Codex CLI 같은 코딩 에이전트가 동작하기 시작하면 보안팀의 모니터링이 힘들어지기 시작합니다. 기존 엔드포인트 탐지 및 대응(EDR, Endpoint Detection and Response) 도구는 어떤 파일이 쓰였고 어떤 프로세스가 떴는지는 알려주지만, 그 파일을 쓰라고 지시한 프롬프트가 무엇이었는지, 에이전트가 어떤 도구를 왜 호출했는지는 남기지 않습니다. 이러한 문제는 프롬프트 인젝션(Prompt Injection)처럼 의도에 따라 악성 여부가 달라지는 공격에서는 더 판단하기가 어려워집니다. 파일을 한 줄 썼다는 로그만 보면 정상 업무와 자격 증명 유출이 똑같이 생겼기 때문입니다. 이번에 소개할 ADR(Agentic AI Detection and Response)은 Uber가 이 간극을 메우려고 만들어 사내에 배포하고, 그 일부를 오픈소스로 공개한 에이전트 보안 시스템입니다. 접근은 크게 두 가지로 나뉩니다: 하나는 코딩 에이전트가 로컬에 남기는 로그를 직접 읽어 프롬프트, 도구 호출, 실행 이력을 하나의 스키마로 정규화하는 것이고, 다른 하나는 그렇게 모은 세션을 1차적으로 상대적으로 저렴한 분류(classification) 및 2차로 상대적으로 비싼 추론(reasoning)으로 나눠 검사해 비용을 감당 가능한 수준으로 낮추는 것입니다. ADR을 설명한 Uber의 논문은 MLSys 2026에 채택됐고, 저자들은 ADR 시스템이 Uber 프로덕션에서 10개월 넘게 실행되며 7,200대 이상의 호스트와 하루 1만 건 이상의 에이전트 세션을 처리했다고 밝히고 있습니다. 다만 공개된 것은 시스템 전체가 아니라 센서, 벤치마크, 탐지기 세 부분이며 나머지 구성 요소는 저장소에 들어 있지 않습니다. 이번 글에서는 공개된 범위가 정확히 무엇인지, 논문이 보고한 수치가 어떤 조건에서 나온 것인지, 어떤 팀이 지금 바로 써볼 수 있는지를 정리하려고 합니다. ADR을 구성하는 다섯 가지와…