TECH 으로 돌아가기
TECH HACKER NEWS 8분 읽기 103 READS

AI가 찾은 취약점, 누가 세고 있을까 — VulnCheck의 Anthropic 글래스윙 추적 11월판

AI가 찾은 취약점, 누가 세고 있을까 — VulnCheck의 Anthropic 글래스윙 추적 11월판
SOURCE IMAGE · HACKER NEWS
AI가 찾은 취약점, 누가 세고 있을까 — VulnCheck의 Anthropic 글래스윙 추적 11월판

무슨 일이 있었나요

취약점 정보를 전문으로 다루는 보안 회사 VulnCheck가 'Anthropic이 찾아낸 취약점 추적하기'라는 글의 11월 업데이트를 공개했어요. 제목 그대로, Anthropic의 AI 모델이 발견했다고 공개적으로 확인되는 보안 취약점을 하나하나 모아서 지금까지 몇 건이 세상에 드러났고 어떤 소프트웨어에서 나왔는지를 계속 갱신해 가는 작업이에요. 주소에 'november-update'가 붙은 걸 보면 한 번 쓰고 끝나는 글이 아니라 주기적으로 이어지는 시리즈로 보여요.

미리 말씀드리면, 11월판에 실린 구체적인 건수나 통계는 제가 원문에서 직접 확인하지 못했어요. 그래서 이 글에서는 숫자를 옮겨 적지 않고, 이런 추적이 왜 필요한지와 어떻게 읽어야 하는지를 중심으로 풀어볼게요. 정확한 수치는 원문에서 꼭 확인해 주세요.

배경부터: 프로젝트 글래스윙이 뭐였죠?

올해 4월 Anthropic은 Claude Mythos Preview라는 모델을 발표하면서 조금 특이한 결정을 했어요. 누구나 쓸 수 있게 풀지 않고, 'Project Glasswing(프로젝트 글래스윙)'이라는 이름으로 AWS, Apple, Google, Microsoft, 리눅스 재단 같은 파트너에게만 방어 목적으로 먼저 제공한 거예요. 이유는 분명했어요. 이 모델이 소프트웨어 취약점을 찾아내고 실제 공격 코드로 엮는 능력이 워낙 좋아서, 비슷한 능력이 공격자 손에 들어가기 전에 방어하는 쪽이 먼저 고칠 시간을 벌어야 한다는 거였죠.

당시 Anthropic이 밝힌 내용은 꽤 충격적이었어요. 주요 운영체제와 웹 브라우저 전반에서 수천 건의 고위험 제로데이 취약점을 찾았다고 했거든요. 제로데이가 뭐냐면, 개발사조차 아직 모르고 있어서 패치가 나온 지 0일째, 그러니까 막을 방법이 없는 상태의 취약점을 말해요. 대표 사례로는 27년 동안 아무도 몰랐던 OpenBSD 버그와 16년 묵은 FFmpeg 취약점이 소개됐고, 최대 1억 달러 규모의 모델 사용 크레딧을 방어 작업에 내놓겠다는 약속도 붙었어요.

그런데 왜 남이 따로 세고 있을까요?

여기서 CVE라는 개념이 나와요. CVE가 뭐냐면, 전 세계에서 발견된 취약점에 붙이는 주민등록번호 같은 거예요. 'CVE-2026-12345'처럼 번호가 붙으면 보안팀, 패치 도구, 스캐너가 모두 같은 번호로 같은 문제를 가리킬 수 있어요. 그리고 CVE 기록에는 보통 누가 찾았는지를 적는 크레딧 정보가 따라붙어요.

문제는 '찾았다'와 '공개됐다' 사이에 긴 시간이 있다는 점이에요. 취약점은 발견하자마자 공개하면 오히려 위험하니까, 개발사가 패치를 낼 때까지 비밀로 해 두는 게 관례거든요. 이걸 조율된 공개(coordinated disclosure)라고 불러요. 그러다 보니 회사가 '수천 건을 찾았다'고 발표해도, 바깥에서 실제로 확인할 수 있는 건 CVE로 공개된 일부뿐이에요.

제3자의 추적은 바로 이 간극을 메워 줘요. 공개된 CVE 기록과 보안 권고문에서 Anthropic이 발견자로 언급된 건을 모아 가면, 발표 자료가 아니라 공개 기록으로 검증할 수 있는 숫자가 나오니까요. 이런 집계를 볼 때는 네 가지를 챙겨 보면 좋아요. 몇 건이 실제 CVE로 나왔는지, 어떤 종류의 소프트웨어에 몰려 있는지, 심각도 점수(CVSS)가 어느 정도인지, 그리고 실제 공격에 쓰인 흔적이 있는지예요. 마지막 항목은 흔히 KEV(실제 악용이 확인된 취약점 목록)로 확인하는데, VulnCheck는 미국 CISA의 목록보다 범위를 넓힌 자체 KEV를 운영하는 회사이기도 해요.

업계 흐름에서 보면

AI로 취약점을 찾는 건 Anthropic만의 이야기가 아니에요. Google은 Big Sleep이라는 에이전트로 SQLite의 실제 취약점을 찾아냈고, OpenAI도 Aardvark라는 보안 연구 에이전트를 내놨어요. 미국 DARPA가 연 AI 사이버 챌린지(AIxCC) 결승에서는 조지아텍, 삼성리서치, KAIST, POSTECH이 함께한 Team Atlanta가 우승하기도 했고요.

다만 지금까지는 대부분 '우리가 이만큼 찾았다'는 당사자 발표였어요. 이번 추적이 눈에 띄는 건 제3자가 공개 기록만으로 성적표를 만든다는 점이에요. 그림자도 있어요. curl 프로젝트는 AI가 만들어 낸 그럴듯한 가짜 제보에 시달리다가 버그 바운티를 접었거든요. 결국 중요한 건 '몇 건 찾았다'가 아니라 '몇 건이 진짜였고, 몇 건이 고쳐졌나'인데, 독립적인 집계가 있어야 그 질문에 답할 수 있어요.

한국 개발자에게 주는 시사점

첫째, 패치 주기를 다시 봐야 해요. 수십 년 묵은 코드에서 버그가 쏟아져 나온다는 건, 우리가 쓰는 오픈소스 라이브러리에도 보안 업데이트가 훨씬 자주 올라온다는 뜻이에요. Dependabot이나 Renovate 같은 의존성 자동 업데이트 도구를 아직 안 붙였다면 지금이 적기예요. KISA 보호나라의 보안 공지를 구독해 두는 것도 방법이고요.

둘째, 패치가 공개된 뒤가 더 위험해졌어요. 패치 내용을 보고 공격 코드를 거꾸로 만들어 내는 일도 AI 덕분에 빨라지니까요. '다음 분기에 올리자'가 통하던 시절이 끝나가고 있어요.

셋째, 내 코드에도 같은 도구를 써 볼 수 있어요. PR 단계에서 AI 보안 리뷰를 돌리는 건 이미 실무에서 쓸 만한 수준이에요. 오픈소스를 운영 중이라면 보안 제보 창구와 SECURITY.md를 정리해 두세요. 제보가 늘어날 테니까요.

마무리

한 줄로 정리하면, AI가 취약점을 찾는 시대에는 '얼마나 찾았나'보다 '공개 기록으로 얼마나 확인되나'를 세는 사람이 필요해졌다는 이야기예요.

여러분 팀은 보안 패치를 얼마나 빨리 반영하고 있나요? AI가 찾아낸 취약점 제보가 쏟아진다면, 지금의 업데이트 프로세스로 감당할 수 있을까요?


🔗 출처: Hacker News

SOURCE · HACKER NEWS
원문 전체 보기 → https://www.vulncheck.com/blog/anthropic-glasswing-november-...
SHARE
NEXT · CHOOSE

변화를 읽었다면,
내가 만들 수익 구조를 고릅니다.

정보를 더 모으는 데서 멈추지 않고, 광고·외주·판매·중개·구독 중 내 상황에 맞는 출발점을 정해보세요.

21가지 수익 구조 살펴보기 →
처리 중...