프라이버시 보호와 베이지안 신뢰 방어를 갖춘 로컬 멀티에이전트 메모리 시스템

초록

SuperLocalMemory는 로컬‑우선 SQLite 기반 저장소와 베이지안 신뢰 점수 모델을 결합해 다중 에이전트 환경에서 메모리 중독(ASI06) 공격을 방어한다. 계층형 인덱스·지식 그래프·패턴 학습·적응형 학습‑투‑랭크(LTR) 네 단계 구조를 통해 10 ms 수준의 검색 지연과 0 오류 동시 쓰기를 달성하고, 침묵형(sleeper) 공격에 대해 72 % 신뢰 감소를 보인다. 행동 데이터는 별도 DB에 격리돼 GDPR 제17조 삭제를 원클릭으로 지원한다.

상세 분석

SuperLocalMemory는 “로컬‑퍼스트” 설계 철학을 바탕으로, 클라우드 기반 메모리 서비스가 야기하는 네트워크 노출·멀티테넌트 교차오염·투명성 결여 문제를 근본적으로 차단한다. 핵심 저장 엔진은 파이썬 표준 라이브러리만으로 동작하는 SQLite와 FTS5 전텍스트 검색을 사용해, Write‑Ahead Logging(WAL)과 쓰기 큐를 통해 동시 읽기·쓰기 환경에서도 “database is locked” 오류를 완전히 방지한다.

계층형 인덱스는 부모‑자식 관계를 물리적 경로 문자열로 저장해 O(1) 부모 조회와 깊이에 비례하는 경로 재구성을 제공한다. 이는 프로젝트·주제별 메모리 조직을 직관적으로 지원한다.

지식 그래프 레이어는 TF‑IDF 기반 키워드 추출 후 코사인 유사도로 엣지를 생성하고, Leiden 알고리즘으로 3단계 깊이의 커뮤니티를 탐지한다. 브루트포스 O(n²) 연산을 기본으로 하지만, 선택적 HNSW 인덱스로 O(n log n) 수준으로 가속할 수 있다. 그래프 구축은 10 000 메모리까지 제한해 메모리·시간 비용을 제어한다.

패턴 학습 레이어는 베타‑이항 모델을 이용해 8가지 기술 카테고리(프레임워크, 언어 등)에 대한 사용자 선호를 추정한다. 사전 베타 파라미터(α,β)를 통해 초기 불확실성을 반영하고, 관측 횟수 N에 따라 신뢰도 c를