앤트로픽이 2026년 4월 7일 '프로젝트 글래스윙(Project Glasswing)'을 발표하며 "수천 건의 고위험·치명적 취약점을 추가로 발견해 오픈소스 유지보수자들에게 책임 있게 공개하고 있다"고 밝혔을 때, 업계는 AI가 보안 연구의 지형을 바꿀 신호탄으로 받아들였다. 그로부터 7개월이 지난 지금, 보안 인텔리전스 기업 VulnCheck가 이 프로젝트의 실제 성과를 추적한 결과는 발표 당시의 서사와 상당한 거리가 있다. VulnCheck는 출시 직후인 4월 17일부터 CVE 기록, GHSA, 리눅스 커널 커밋, 그리고 앤트로픽 자체 공개 원장(ledger)을 교차 점검하며 별도 저장소에 성과를 집계해 왔다.
발견 건수는 많지만 실질 성과는 미미
7개월간 앤트로픽에 귀속되는 CVE는 442건으로 집계됐다. 월평균 63건 수준이며, 올해 공개된 전체 CVE 9만 3,450건의 약 0.5%에 불과하다. 흥미로운 점은 VulnCheck가 추적한 442건이 앤트로픽이 자체 원장에서 '수정 완료(fixed)'로 표시한 217건의 두 배가 넘는다는 사실이다. 발견 주체가 스스로 공개한 것보다 외부 추적치가 더 많다는 것은, 발견과 실제 수정·공개 사이의 간극이 그만큼 크다는 의미다.
실제 공격에 쓰이는 비중은 더욱 낮다. VulnCheck KEV(알려진 악용 취약점) 데이터와 대조한 결과, 442건 중 실제 공격에 악용된 사례는 CVE-2026-61500과 CVE-2026-26980 단 2건, 비율로는 0.45%에 그쳤다. 발견량 자체가 공격자에게 유용한 결과로 직결되지 않는다는 점을 보여주는 수치다.
원장의 숫자가 말하는 것
앤트로픽 원장은 5월 첫 공개 당시 발견 2만 3,019건에 참 양성률(true positive) 90.8%를 제시했다. 11월 2일 기준으로는 발견이 3만 7,966건으로 늘었지만 수정 완료는 217건뿐이다. 전체 발견 중 공개된 것은 7,349건(19.4%)에 불과하고, 그중 수정 처리된 것이 217건이다. 더 눈에 띄는 대목은 중복(duplicate)으로 분류된 건이 1,654건(4.4%)으로 수정 건수의 7.5배에 달한다는 점이다. 여기에 철회된 발견도 419건이다. 수정보다 중복·철회가 더 많은 상황에서 원장이 참 양성률을 90.8%에서 94.2%로 오히려 높여 표기한 것은, 분류(triage) 비율 산정 방식에 피드백 누락이 있을 가능성을 시사한다.
9월 이후의 추이는 더 선명하다. 두 달 동안 발견은 약 1만 2,000건 늘었지만 수정은 15건 느는 데 그쳤다. 중복은 두 건에서 수천 건으로 폭증했다. 발견이 오래 방치될수록 다른 사람이 먼저 찾아 고칠 확률이 높아진다는, 집계 담당자가 9월에 경고했던 흐름이 그대로 나타난 셈이다.
병목은 사라진 게 아니라 이동했다
사람이 모든 발견을 일일이 검증하는 방식은 확장되지 못했고, 앤트로픽도 이를 인정했다. 10월 8일 'OSS 스캐너' 발표에서 앤트로픽은 2만 9,000건 이상의 취약점 후보를 찾았지만 수작업으로 검토한 것은 약 6,000건뿐이며 "발견을 검증할 인력 역량에 병목이 걸려 있다"고 밝혔다. 이미 일괄 수신을 요청한 유지보수자들에게는 검증되지 않은 보고 약 5,000건을 보낸 상태였다. 프로젝트가 벽에 부딪히자, 개별 프로젝트가 직접 신청해 스스로 분류하는 자가 서비스형 스캐너로 방향을 튼 것이다. 앤트로픽은 이 보고가 "사람의 검토나 분류 없이 전적으로 모델이 생성한 것"이며 "부정확하거나 무효일 수 있다"고 명시했다. 결국 분류 부담이 사라진 게 아니라 유지보수자에게 옮겨간 것이다.
curl 사례가 드러낸 체감 품질
이 부담의 실체는 curl 유지보수자 대니얼 스텐버그의 공개 사례에서 구체적으로 드러났다. curl은 앤트로픽으로부터 45건의 취약점 보고를 한 번에 받았는데, 앤트로픽이 중간 등급으로 매긴 것은 단 1건이고 나머지는 모두 낮음 등급이었다. 스텐버그는 "팀에 가는 충격을 완화하기 위해" 보고를 의도적으로 천천히 GitHub로 옮기고 있다. 현재까지 공개된 34건 중 19건이 취약점이 아님으로 판정됐고, 6건이 낮음 등급으로 확인됐으며, 9건은 평가 대기 중이다. 오탐률은 55.9%, 확인된 비율은 17.6%이며 그마저도 전부 낮음 등급이다. curl에서는 이미 5월에도 다섯 건의 발견이 결국 한 건의 확인된 취약점으로 수렴한 전례가 있었다. 9월 분석에서 Claude가 발견의 91.5%를 치명적·높음으로 등급화한 반면 유지보수자들은 51.3%만 그렇게 평가했다는 점까지 겹치면, 원장이 내세우는 94.2%라는 참 양성률과 '고위험·치명적'이라는 출시 당시 프레이밍은 현장 체감과 크게 어긋난다.
AI가 취약점 발견에 유용한 도구라는 사실 자체를 부정할 필요는 없다. 다만 한국의 보안·개발 실무자에게 이 사례가 주는 함의는 분명하다. 모델이 쏟아내는 대량의 '후보'를 그대로 성과로 환산해서는 안 되며, 검증되지 않은 자동 생성 보고를 받는 쪽이 결국 분류 비용을 떠안게 된다는 점이다. curl이 낮음·중간 등급 발견을 투명하게 공개 이슈로 처리한 선택은, 이런 보고를 받는 조직이 참고할 만한 운영 모델이기도 하다. 발표의 서사와 7개월치 집계 사이의 간극은 아직 좁혀지지 않았고, AI 보안 도구를 도입할 때 벤더의 발견 건수가 아니라 검증된 수정과 실제 악용 여부를 기준으로 삼아야 한다는 교훈이 남는다.