Danger-OS: 신경 위험 이론 기반 이상 탐지

Danger-OS는 기존의 하드코딩된 의사결정 로직을 생체에서 영감을 받은 네 가지 스파이킹 뉴런(Bhaya, Vairagya, Shraddha, Spanda)으로 대체한 신경 형태 행동 이상 탐지 시스템입니다. 이 뉴런들의 정서적 전압 역학은 500ms 주기로 운영체제가 실시간 위협 신호에 반응하는 방식을 지속적으로 제어합니다. 서명 매칭이나 정적 규칙 적용 대신, 유휴 모니터링부터 프로세스 종료에 이르는 모든 행동 클래스는 이러한 신경 조절 상태의 상호작용을 통해 유기적으로 발생하며, 모든 OS 수준 개입은 기본적으로 명시적인 사용자 동의를 거치도록 설계되었습니다. 이 시스템은 적대적 전압 주입 스트레스, 통제된 위협 에스컬레이션, 45분간의 장기 휴지 테스트, 혼합 대화형 부하를 포함한 총 5,710틱의 연속 작동에 걸친 8가지 실험 시나리오에서 단 0.315%(5,710틱 중 18개 이벤트)의 최종 조치율을 보였습니다. 이는 모든 기간에 걸쳐 시스템이 안정적이고 비례적으로 유지되었음을 의미합니다. 특히, 이 연구는 방어 등급 배포 환경에서 Bhaya Quiescence Law(Bhaya 휴지 법칙)를 확인했습니다. 이는 공포 뉴런의 자연적인 감쇠 역학이 명시적인 억제 로직 없이도 통제 불능 에스컬레이션을 억제한다는 특성으로, 두 번의 독립적인 재현성 실행에서도 일관되게 나타났습니다. Danger-OS는 Maya-Defence 시리즈의 첫 번째 결과물로, Maya 정서적 SNN 아키텍처를 AI 안전 및 적대적 방어 애플리케이션으로 확장합니다. 이 연구는 신경 형태 시스템이 복잡한 실시간 위협 환경에서 효과적인 행동 제어 및 이상 탐지를 제공할 수 있음을 보여줍니다.