차세대 국방 AI 플랫폼 구축과 발전 방안 연구 : 보안성을 고려한 m-sLLM 도입을 중심으로 = A Study on the Development and Advancement of Next-Generation Defense AI Platforms : Focusing on the Adoption of a Security-Enhanced m-sLLMs

국문 초록 (Abstract)

국제 정세는 미·중 패권 경쟁의 심화와 우크라이나–러시아 전쟁, 이스라엘–하마 스 분쟁 등으로 인해 전쟁의 양상이 급격히 변화하고 있다. 특히 전장은 해상·지상· 공중뿐 아니라 우주·사이버·전자기 영역까지 확장되며, 다영역 동시 통합작전 (Multi-Domain Operations)의 중요성이 그 어느 때보다 부각되고 있다. 전투 행위 의 주체와 수단 역시 다변화됨에 따라, 효과적인 지휘결심을 지원하기 위한 초연결 네트워크 기반의 생성형 국방 AI 플랫폼 구축 요구가 급증하고 있다. 우크라이나 전쟁은 AI 기반 전술, 드론과 같은 엣지 디바이스(Edge Device), 유· 무인 복합체계가 전장을 실질적으로 지배하는 모습을 보여주며, 첨단기술 역량이 전 쟁의 승패를 좌우하는 핵심 요인으로 부상했음을 확인시켜 주었다. 이러한 세계적 변화 속에서 대한민국은 저출산에 따른 인구 절벽이라는 위기에 직면해 있으며, 현 재 병력 규모를 유지하기 어려운 구조적 문제를 안고 있다. 이에 한국군 또한 AI 기 반 유·무인 복합체계의 확산과 이를 제대별·유형별로 통합 운용하는 국방 AI 플랫폼 도입이 시급한 과제로 대두되고 있다. 미래 전장은 부대구조와 작전 수행 방식 전반에 직접적인 영향을 미치는 변화의 시기를 맞이하였다. 인구 감소를 극복하기 위해서는 첨단기술을 전면 적용한 새로운 전법과 작전 개념이 요구되며, 전쟁의 주체·수단·영역을 새롭게 정의해야 할 필요성 이 커지고 있다. 이러한 변화에 대응하기 위해 한국군은 국방혁신 4.0을 수립하고, 북핵·미사일 대응능력 강화, 첨단전력 확보, 국방 R&D 체계 재설계, 군 구조 및 교 육 훈련 혁신 등을 단계적으로 추진하고 있다. 특히, 합동 전 영역 지휘통제(JADC2) 체계 구축과 우주·사이버 영역을 포함한 AI 기술 적용은 AI 기반 과학기술 강군 실현의 핵심적 요소이다. AI 기술의 적용이 예상되는 군사 분야는 감시정찰(전장 인식)·지휘통제(지휘결심지원)·유·무인 복합체 계(임무 수행)·사이버 방어 등으로 구분되며, 분야별 특성에 맞춘 AI 기술개발이 필 요한 실정이다. 하지만 지휘통제 분야와 같은 핵심 군사 도메인은 민간에서 접근하 기 어렵고, 높은 보안성과 정확성을 요구하므로 국방 특수성에 적합한 AI 개발체계 가 필요하다. 최근 민간 기술에서 확산된 DevOps에서 나아가 보안(Security)을 필 수 요소로 내재화한 DevSecOps 기반 개발 거버넌스는 국방 분야에서도 중요한 의 미를 지닌다. 개발부터 배포까지 전 과정에서 보안성을 극대화할 수 있어, 폐쇄망 환경에서 운용되는 국방 AI 플랫폼에 특히 적합하다. 이러한 환경에서 국방용 소형 언어모델(m-sLLM)을 포함한 AI 모델을 안정적으로 개발·운영하기 위해 DevSecOps 적용은 필수적 고려 요소가 되고 있다. 본 연구는 이러한 국방 특수성을 반영하여 LLM, sLLM, m-sLLM의 기술적 특 징을 고려하여, 군에서 활용 가능한 국방 언어 특화모델의 필요성을 분석하였다. 또 한, 국방 데이터 특성을 고려하여 프로토타입(m-sLLM 시작품)을 제작하고, 전문가 의견을 반영하여 국방 AI 플랫폼 적용 가능성을 검증하였다. 이를 위해 프로토타입 을 활용하여 “신뢰성, 보안성, 수용 의도, 지각된 유용성, 지속가능성, 편의성, 적용 가능성”의 7개 항목을 기준으로 m-sLLM 도입을 위한 요인분석을 수행하였으며, 이어 주요 공개모델에 국방 데이터를 적용한 비교실험을 통해 국방 특화 언어모델 도입을 위한 방향성을 도출하였다. 본 연구는 향후 생성형 AI가 군의 다양한 분야에 적용되기 위한 선제적 사례이 자 기초연구로서 의미가 있다. 또한, 국방 AI 도입을 위한 보안·정확성·운용환경 등 국방 도메인 특수성을 고려한 도입 기준을 제시함으로써, 한국군이 AI 무기체계를 합리적이고 체계적으로 도입하는 데 필요한 정책·기술적 기준점을 제공할 것이다. 특히 본 논문은 「보안성을 고려한 m-sLLM 도입을 중심으로 한 차세대 국방 AI 플랫폼 발전 방안」을 중점적으로 다루며, 이러한 연구가 향후 국방 R&D 사업 과 연계되어 한국군의 특수성을 반영한 국방 특화 LLM 구축으로 발전하기를 기대 한다. 나아가 신속한 전력화를 통해 AI 기반 과학기술 강군을 조기 달성하고 국가안 보 향상에 이바지할 수 있기를 바란다.

다국어 초록 (Multilingual Abstract)

The international security landscape is undergoing a rapid transformation due to the intensification of U.S.–China strategic competition, the Russia Ukraine war, and the Israel–Hamas conflict. The battlespace is expanding beyond traditional land, sea, and air domains to include space, cyber, and the electromagnetic spectrum, making Multi-Domain Operations (MDO) more critical than ever. As the actors and means of warfare diversify, there is an urgent demand for Hyper-connected, network-centric, generative defense AI platforms to support effective command decision-making. The war in Ukraine has demonstrated that AI-enabled tactics, edge devices such as drones, and manned–unmanned teaming (MUM-T) effectively dominate modern battlefields, confirming that advanced technological capability is a decisive factor in victory. Amidst these global shifts, the Republic of Korea faces a structural crisis due to a demographic cliff caused by low birth rates, making it difficult to maintain current troop levels. Consequently, it is imperative for the ROK military to adopt defense AI platforms that can integrate and operate AI-based manned–unmanned systems across different echelons and units. The future battlespace has entered a transformative period that directly impacts force structure and operational methods. Overcoming demographic decline requires new tactics and operational concepts that fully apply advanced technologies, necessitating a redefinition of the actors, means, and domains of warfare. In response, the ROK military established "Defense Innovation 4.0," pursuing phased efforts to strengthen counter–nuclear and missile capabilities, secure advanced combat power, redesign defense R&D systems, and innovate military structure and training. In particular, building Joint All-Domain Command and Control (JADC2) systems and applying AI technologies in space and cyber domains are key to realizing an AI-based, science-and-technology–driven military. AI is expected to be applied in military areas such as ISR (situational awareness), C2 (decision support), MUM-T (mission execution), and cyber defense. However, core military domains like command and control are difficult for the civilian sector to access and require high security and accuracy. Therefore, a DevSecOps-based development governance, which internalizes security as an essential element, is crucial for defense AI platforms operating in closed-network environments. Applying DevSecOps is becoming an essential consideration for the stable development and operation of AI models, including military Small Language Models (m-sLLMs). This study analyzes the necessity of defense-specialized language models by considering the technical characteristics of LLMs, sLLMs, and m-sLLMs. Considering the unique properties of defense data, an m-sLLM prototype was developed, and its applicability to defense AI platforms was verified based on expert feedback. A factor analysis was conducted based on seven criteria—reliability, security, intention to adopt, perceived usefulness, sustainability, ease of use, and applicability—to identify determinants for m-sLLM adoption. Furthermore, comparative experiments were performed by applying defense data to major open-source models to derive directions for introducing defense-specialized language models. This research serves as a proactive case study and foundational work for the application of generative AI in various military fields. By proposing adoption criteria that reflect defense-specific constraints such as security, accuracy, and operational environments, this study provides policy and technical reference points for the rational and systematic introduction of AI weapon systems. Focusing on "Advancement Strategies for Next-Generation Defense AI Platforms Centered on the Adoption of Security-Enhanced m-sLLMs," this dissertation expects to contribute to the development of defense-specialized
LLMs through future R&D programs. Ultimately, it aims to accelerate the realization of an AI-based science-and-technology–driven military and contribute to enhancing national security through rapid fielding

목차 (Table of Contents)

• 차 례 i
• 표 차 례 iv
• 그 림 차 례 ⅴ
• 국 문 초 록 ⅶ
• 1. 서론 1
• 가. 연구 배경 및 목적 1
• 나. 연구 구성 3
• 다. 연구 방법 및 절차 4
• 라. 기존 연구와 차별성 5
• 2. 관련연구 6
• 가. 국내외 국방 AI 전략 7
• 1) 미국 8
• 2) 중국 12
• 3) 러시아 13
• 4) 대한민국 14
• 나. 국방 AI 플랫폼과 sLLM 18
• 1) 국방용 소형언어모델(m-sLLM) 18
• 2) LLM 대비 sLLM의 장점과 필요성 21
• 3) 국방 분야 sLLM 활용 방안 22
• 4) 국방용 소형언어모델(m-sLLM) 도입을 위한 선결 조건 27
• 3. 실증연구 29
• 가. 실증연구 구상 및 방안 제시 29
• 나. 국방용 소형 언어 모델(m-sLLM) 프로토타입을 활용한 수용 요인분석 30
• 1) 연구모형 구상 30
• 2) 연구모형 제시 31
• 3) 가설 설정 33
• 4) 변수의 조작적 정의와 측정 항목 36
• 5) 프로토타입 제작 및 설계 41
• 6) 자료수집 46
• 7) 표본의 인구통계학적 특성 46
• 8) 프로토타입 시작품 만족도 평가 항목 및 평가 결과 47
• 9) 정규성 검증 51
• 10) 탐색적 요인분석 52
• 11) 신뢰성 검증 59
• 12) 상관분석 62
• 13) 다중 회귀분석 및 가설검증 64
• 14) 검증 결과에 대한 논의 73
• 4. 국방용 소형언어모델(m-sLLM) 도입을 위한 방안 77
• 가. 국방용 소형언어모델(m-sLLM) 고려 사항 77
• 1) 할루시네이션 79
• 2) 프롬프트 인젝션 79
• 3) 인지적 편향성 79
• 나. 국방용 소형언어모델(m-sLLM) 도입 간 활용 기술 80
• 1) CoVE(Chain of Verification) 80
• 2) ICD(induce-then-Contrast Decoding) 80
• 3) RAG(Retrieval Augmented Generation) 80
• 4) LoRA(Low-Rank Adaptation) 80
• 5) MoME(Mixture of Memory Exports) 81
• 다. 국내외 상용 언어모델 활용을 위한 성능 비교 연구 81
• 1) 연구 목적 81
• 2) 실험 및 실험 결과 82
• 3) 성능 비교 연구의 전략적 시사점 91
• 라. 국방용 소형언어모델(m-sLLM) 획득 및 운영 거버넌스 구축 방안 94
• 1) 미국 국방부의 AI 시스템 획득경로 도입안 94
• 2) 미국 국방부의 책임 있는 AI 검증 및 프레임워크안 95
• 마. MLOps 기반 국방용 소형언어모델(m-sLLM) 적용 무기체계 획득절차 개선안 97
• 5. 결론 및 향후 연구 99
• 가. 결론 99
• 나. 향후 연구 101
• 참 고 문 헌 103
• 영 문 초 록 108
• 부 록 111
• 부록 1. 국방 기술 기획 생성형 AI 서비스 만족도 및 요인분석 설문지
• 부록 2. 데모제품 소스 코드
• 부록 3. 언어모델 파인튜닝 소스 코드
• 부록 4. 다중 회귀분석 / 매개 효과 분석을 위한 Sobel-Test
• / Bootstrapping 분석 소스 코드