인공지능은 인터넷에 새롭게 무기화할 수 있는 소프트웨어 버그의 물결을 촉발할 것으로 예상되었다. 그러나 적어도 지금까지의 수치는 훨씬 조용한 이야기를 들려준다. AI 취약점 악용을 둘러싼 경고에도 불구하고, VulnCheck의 새로운 분석에 따르면 AI가 발견한 보안 결함은 전통적인 방식으로 발견된 결함과 대체로 비슷한, 비교적 낮은 비율로만 악용되고 있는 것으로 나타났다. 이는 대규모 언어 모델이 보안 연구 분야에 도입된 이후 떠돌던 극적인 예측들에 의문을 제기한다.
Summary
핵심 요약
- Anthropic의 Claude Mythos는 23,019개의 잠재적 취약점 후보를 식별했지만, 이 중 126개만 CVE로 공개되었고 실제로 악용이 확인된 것은 단 1건뿐이다.
- VulnCheck는 Project Glasswing과 Berkeley Vulnerability Research Initiative에서 나온 1,061개의 AI 보조 취약점을 분석한 결과, 이 중 14개(1.3%)만 실제 악용이 확인되었으며, 이는 전체 취약점의 일반적인 악용 비율과 동일하다.
- AI 보조 탐지는 발견되는 취약점의 양을 늘리지만, 공격자가 실제로 악용하는 비율 자체를 높이지는 않았다.
- VulnCheck는 2026년 상반기에 495개의 알려진 악용 취약점을 기록했으며, CMS 플랫폼과 네트워크 엣지 장비가 주요 표적이었다.
- AI 제품 자체가 새로운 공격 표면으로 부상하고 있으며, 적대자는 커져가는 AI 소프트웨어 스택의 약점을 노리고 있다.
Anthropic의 Project Glasswing: 큰 숫자, 미미한 악용 기록
Anthropic가 4월에 Project Glasswing을 공개했을 때, 발표에는 심각한 경고가 담겨 있었다. AI 보조 취약점 탐지는 공격자가 이전에는 불가능했던 규모로 시스템을 장악하고, 운영을 방해하며, 데이터를 탈취할 수 있게 만들 수 있다는 것이었다. Anthropic가 제시한 수치는 이러한 우려를 뒷받침하는 듯 보였다.
식별된 취약점의 규모
Anthropic의 AI 기반 보안 연구 도구인 Claude Mythos는 최대 23,019개의 취약점 후보를 표시했을 수 있다. 이는 어떤 기준으로 보더라도 놀라운 수치로, 전통적인 연구팀이 비슷한 시간 안에 도출하기 어려운 잠재적 보안 결함의 양이다. 이로 인해 AI가 공격자에게 유리한 쪽으로 균형을 영구적으로 기울이려는 것 아니냐는 진지한 논쟁이 촉발되었다.
공개 및 악용 현황 데이터
그러나 그 이후의 전개는 훨씬 제한적이었다. 23,019개의 후보 중 정식으로 CVE로 공개된 것은 126개에 불과하다. CVE(Common Vulnerabilities and Exposures)는 결함이 공식적으로 인정되고 목록에 등재되었음을 의미하는 식별자다. 더 의미심장한 점은, Anthropic의 Project Glasswing 공개 목록에서 나온 취약점 중 실제로 야생에서 악용이 확인된 것은 단 1건뿐이라는 사실이다. VulnCheck에 따르면, 프로젝트가 시작된 이후 Anthropic의 공개 기록에는 큰 변화가 없었으며, 나머지 대다수 후보의 향방은 여전히 불분명하다.
VulnCheck의 분석: 데이터가 실제로 보여주는 것
표면적인 숫자를 넘어가기 위해 VulnCheck는 Anthropic의 Project Glasswing과 Berkeley Vulnerability Research Initiative에 공개적으로 귀속된 1,061개의 AI 보조 취약점 발견 사례를 체계적으로 분석했다. 이후 이 결과를 자사의 Known Exploited Vulnerability(KEV) 데이터베이스와 교차 검증했는데, 이는 결함이 실제로 무기화되고 있는지를 보여주는 가장 신뢰할 수 있는 현실 세계의 신호다.
AI가 식별한 취약점과 악용 데이터베이스의 교차 검증
결과는 놀라울 정도로 평이했다. 1,061개 취약점 중 단 14개, 즉 1.3%만이 실제 환경에서 악용된 것으로 확인되었다. 이 수치는 VulnCheck가 전체 취약점 데이터셋에서 관찰하는 악용 비율과 거의 동일하며, AI가 발견한 버그가 전통적인 방식으로 발견된 버그보다 공격자에게 특별한 이점을 제공하지 않는다는 점을 시사한다.
전통적 방법과 비교한 악용 비율
이 결과는 현재의 통념과 가장 직접적으로 배치된다. AI 보조 취약점 탐지는 연구자가 표면화할 수 있는 결함의 절대량을 분명히 늘리고 있다. 그러나 적어도 2026년 중반까지 이용 가능한 데이터를 기준으로 보면, 이러한 결함 중 실제로 악용되는 비율을 높이지는 못했다. 더 많은 버그를 찾는다고 해서, 그 버그가 실제 공격으로 전환되는 사례가 자동으로 늘어나는 것은 아니다.
이 구분은 조직이 AI 기반 보안 리스크를 어떻게 인식해야 하는지에 있어 매우 중요하다. 새로 발견된 취약점이 대거 등장하더라도, 그 대부분이 누구에게도 악용되기 전에 패치된다면 이는 공격자가 즉시 무기화하는 취약점이 쏟아지는 상황과는 전혀 다른 문제다. 현재까지의 데이터는 전자에 더 가깝다는 쪽을 가리킨다.
전문가 관점: 공격자만이 아닌 수비수의 도구로서의 AI
공격자와 수비수 모두에게 주는 AI의 가치
VulnCheck의 보안 연구원인 Patrick Garrity는 데이터가 보여주는 것과 보여주지 않는 것 사이를 신중하게 구분했다. 그는 “AI 보조 취약점 탐지는 분명히 공격자와 수비수 모두에게 가치가 있다”고 썼다. 그의 분석에 따르면, AI가 발견한 취약점이 전통적인 연구를 통해 발견된 취약점보다 본질적으로 더 자주 악용된다는 증거는 없다. 대신 보다 설득력 있는 해석은, AI가 연구자가 더 많은 결함을 찾도록 돕고 있으며, 그 결과 수비수가 범죄자가 악용하기 전에 이를 패치할 수 있는 시간을 벌어주고 있다는 것이다.
과장된 기대에 대한 신중한 평가
Garrity는 수사와 증거 사이의 간극에 대해 직설적이었다. 그는 “Anthropic의 공개가 지연된 기록을 포함해, 지금까지의 데이터는 AI 보조 취약점 탐지와 프런티어 역량이 현재 이용 가능한 증거에 비해 과대평가되었음을 시사한다”고 썼다. “이는 리스크가 상상에 불과하다는 뜻이 아니다. 영향이 실제로 존재하지만, 그 규모가 제한적이라는 의미다.”
이러한 “실제이지만 제한적”이라는 관점은 분석적으로 중요하다. 이는 보안 연구에서 AI가 의미하는 진정한 변화를 폄하하지 않으면서도, 위협 환경이 공격자에게 유리하게 근본적으로 재편되고 있다는 더 극적인 주장도 그대로 받아들이지 않는다. Garrity의 분석이 암시하는 핵심 변수는 누가 더 빨리 움직이느냐, 즉 연구자가 결함을 패치하는 속도와 적대자가 이를 무기화하는 속도 중 어느 쪽이 앞서느냐다. 현재까지는 패치 측이 어느 정도 균형을 유지하고 있는 것으로 보인다.
현재 위협 환경과 새롭게 나타나는 트렌드
최근 알려진 악용 취약점
AI가 발견한 버그가 주요 동인이 아니더라도, 2026년의 전반적인 악용 상황은 여전히 활발하다. VulnCheck는 2026년 상반기에 495개의 알려진 악용 취약점을 식별했다. 이 중 약 3분의 1은 콘텐츠 관리 시스템(CMS)에 해당했으며, 네트워크 엣지 장비는 여전히 공격자의 지속적인 표적이었다. 이러한 악용 캠페인은 적대자가 익숙하고 검증된 공격 표면을 계속 공략하고 있음을 보여주며, 갑작스러운 AI 기반의 공격 급증과는 거리가 있다.
AI 제품 자체를 노리는 공격자들
주목할 만한 진정한 새로운 흐름도 하나 있다. AI 제품 자체가 점점 더 매력적인 공격 표적이 되고 있다는 점이다. AI 소프트웨어 스택이 기업과 인프라 전반에 걸쳐 빠르게 확장되면서, 적대자는 AI를 단순한 도구로 사용하는 것을 넘어, 그 시스템 내부의 약점을 직접 노리기 시작했다. 연구 도구이자 동시에 공격 표면이 되는 AI라는 이러한 전환은, 현재의 데이터가 아직 충분히 포착하지 못한 새로운 역학이다.
이는 AI 취약점 악용이 일부가 예측했던 급증을 아직 촉발하지 않았더라도, 공격 표면 자체는 적극적으로 변화하고 있음을 의미한다. 공개 관행과 패치 주기가 아직 성숙 단계에 있는 AI 시스템의 취약점에 대해 수비수와 연구자가 어떻게 대응하느냐가, 현재의 균형이 유지될지 여부를 좌우할 수 있다.
FAQ
Anthropic의 Project Glasswing은 얼마나 많은 취약점을 식별했나요?
Anthropic의 Project Glasswing은 Claude Mythos를 통해 23,019개의 잠재적 취약점 후보를 식별했습니다. 이 중 126개만이 정식으로 CVE로 공개되었습니다.
AI가 식별한 취약점은 전통적인 취약점보다 더 자주 악용되나요?
아니요. VulnCheck의 분석에 따르면, AI가 식별한 취약점 중 실제 환경에서 악용이 확인된 것은 1.3%에 불과하며, 이는 VulnCheck 데이터셋 전체 취약점의 일반적인 악용 비율과 동일한 수준입니다.
전문가들에 따르면 취약점 탐지에서 AI의 의미는 무엇인가요?
전문가들은 AI가 연구자가 훨씬 더 많은 취약점을 찾을 수 있게 해주며, 그 결과 수비수가 공격자가 악용하기 전에 결함을 패치할 기회를 더 많이 갖게 된다고 말합니다. 현재 데이터에 따르면, 그 순효과는 공격자만큼이나 수비수에게도 이익이 되는 것으로 보입니다.
AI 제품 자체도 공격자의 표적이 되나요?
네. 공격자는 확장되는 AI 소프트웨어 스택의 약점을 찾기 위해 AI 소프트웨어 제품 자체를 점점 더 직접적으로 노리고 있으며, 이는 AI를 단순한 연구 도구로 사용하는 것을 넘어서는 새로운·진화 중인 공격 표면을 의미합니다.
{“@context”:”https://schema.org”,”@type”:”FAQPage”,”mainEntity”:[{“@type”:”Question”,”name”:”Anthropic의 Project Glasswing은 얼마나 많은 취약점을 식별했나요?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”Anthropic의 Project Glasswing은 Claude Mythos를 통해 23,019개의 잠재적 취약점 후보를 식별했습니다. 이 중 126개만이 정식으로 CVE로 공개되었습니다.”}},{“@type”:”Question”,”name”:”AI가 식별한 취약점은 전통적인 취약점보다 더 자주 악용되나요?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”아니요. VulnCheck의 분석에 따르면, AI가 식별한 취약점 중 실제 환경에서 악용이 확인된 것은 1.3%에 불과하며, 이는 VulnCheck 데이터셋 전체 취약점의 일반적인 악용 비율과 동일한 수준입니다.”}},{“@type”:”Question”,”name”:”전문가들에 따르면 취약점 탐지에서 AI의 의미는 무엇인가요?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”전문가들은 AI가 연구자가 훨씬 더 많은 취약점을 찾을 수 있게 해주며, 그 결과 수비수가 공격자가 악용하기 전에 결함을 패치할 기회를 더 많이 갖게 된다고 말합니다. 현재 데이터에 따르면, 그 순효과는 공격자만큼이나 수비수에게도 이익이 되는 것으로 보입니다.”}},{“@type”:”Question”,”name”:”AI 제품 자체도 공격자의 표적이 되나요?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”네. 공격자는 확장되는 AI 소프트웨어 스택의 약점을 찾기 위해 AI 소프트웨어 제품 자체를 점점 더 직접적으로 노리고 있으며, 이는 AI를 단순한 연구 도구로 사용하는 것을 넘어서는 새로운·진화 중인 공격 표면을 의미합니다.”}}]}
이 기사는 인공지능의 도움을 받아 제작되었으며, 편집팀의 검수를 거쳤습니다.
