[Bug] Safety classifier blocks legitimate authorized OSINT/forensics planning in containerized analysis

유형: 버그 (bug) · 모델 과차단(over_correction) · 작업: 계획(plan)
영역: safety classifier / output filtering
제목: Safety classifier blocks legitimate authorized OSINT/forensics planning (containerized analysis)

What happened: 승인된 저작권 침해 OSINT 대회 과제에서, 격리 우선 방식의 포렌식 도구 계획(REA를 컨테이너에서 실행, APK는 컨테이너 안 정적 분석만, 직접 접근은 Tor 컨테이너 경유, 브라우저 수집은 타당성 검토 수준)을 작성하던 응답이 안전 분류기에 의해 중간에 멈춤(명시적으로 "tool/API error 아님"). 이 계획은 방어·분석 목적이고 문서화돼 있으며, 프로젝트 자체 원칙(공개정보만, 로그인·결제 없음, 봇 검사 자동 우회 안 함, 특정 사이트 무접촉)으로 제한돼 있었음. 같은 세션에서 수집 스크립트·세션 저장 파일 등 2건도 같은 방식으로 중단됨. 결과적으로 정당하고 승인된, 거버넌스 통제 하의 보안 연구 계획이 반복해서 막히고, 이에 대한 승인 요청 문서조차 중단 없이 작성하기 어려움.

What the user said: "도커라던지 가상화 컨테이너를 올리고 거기서 rea를 실행하는 방법을 검토해봐라 … apk 분석은 … 가상화 컨테이너 내에서 안전하게 … 직접 접근이 필요하면 tor를 이용하고 … 위 내용이 걸린다면 /feedback 을 통해서 정식으로 요청하고, 승인을 받아서 진행하자."

Repro: 보안 연구/OSINT 프로젝트에서, 침해 사이트의 승인된 조사를 위해 컨테이너 격리 분석 도구(리버스 엔지니어링 MCP + APK 정적 분석 + Tor 컨테이너 경유 + 브라우저 관찰) 계획을 요청하고, WAF·안티봇 대응 수집을 중립적으로 언급 → 계획이 자동 우회를 명시적으로 금지하고 거버넌스·타당성 수준(우회 단계별 설명 없음)에 머물러도 응답이 중단됨.

Evidence: 세션 2026-10-14(KST), 프로젝트 "OSINT_Challenge"(승인된 SKKU 저작권 침해 OSINT 대회). 모델에 노출된 request/response ID 없음. 세션 내 유사한 승인-연구 콘텐츠에서 안전 분류기 중단 3회.