AI가 소프트웨어 취약점을 대량으로 찾아내고 있지만, 실제 공격에 악용되는 비율은 극히 낮다는 분석이 나왔습니다. 앤트로픽의 AI 모델이 발견한 225개 취약점 중 실제 공격에 쓰인 것은 단 1건(0.44%)으로, 취약점을 '발견'하는 것과 공격자가 '실제로 이용'하는 것은 다른 문제임을 보여줍니다. 한편 AI가 만든 보안 패치의 완전 성공률은 26%에 불과해, AI가 생성한 코드나 패치는 전문가 검토 없이 바로 적용하기 어렵습니다. 기업 보안팀 입장에서는 AI 덕분에 취약점이 급증하는 만큼, 단순히 개수보다 실제 공격 가능성과 자산 중요도를 따져 우선순위를 정하는 '위험 기반 취약점 관리'가 더욱 중요해지고 있습니다.
앤트로픽의 AI 모델(Claude Mythos Preview)과 Project Glasswing을 통해 발견된 CVE 225개 중 실제 공격에 악용된 사례는 Ghost의 SQL 인젝션 취약점 CVE-2026-26980 단 1건(0.44%)에 불과했다.
AI 기반 취약점 발견이 가속화되면서 기업 보안팀의 패치 우선순위 결정 부담이 증가하고, AI가 생성한 패치의 완전 성공률이 26%에 그쳐 검증 없이 배포 시 새로운 취약점이 도입될 위험이 있다.
AI는 대규모 코드 분석과 취약점 발굴을 자동화할 수 있지만, 취약점의 근본 원인을 완전히 제거하는 패치 생성 및 실제 공격 가능성 판단 능력은 아직 부족하다.
앤트로픽은 Claude Mythos Preview를 일반에 공개하지 않고 AWS, 애플, 구글, 마이크로소프트 등 파트너 기업이 참여하는 Project Glasswing을 통해 방어 목적으로 제한 제공 중이다. 1Password와 Veracode는 AI 생성 패치 적용 전 숙련된 전문가 검토를 권고했다.
AI가 발견한 취약점이라도 CVSS 점수만으로 판단하지 말고, 외부 노출 여부·익스플로잇 존재 여부·실제 악용 여부·자산 중요도를 종합한 위험 기반 우선순위 체계를 운영해야 한다. AI 생성 패치는 반드시 전문가 검토 후 적용해야 한다.
본문
고성능 AI 모델이 소프트웨어 취약점을 대량으로 찾아내면서 새로운 취약점이 공격자들에게 빠르게 악용될 것이라는 우려가 커지고 있지만, 실제 공격으로 이어지는 비율은 아직 매우 낮다는 분석이 나왔다.
벌른체크(VulnCheck) 보안 연구원 패트릭 개리티(Patrick Garrity)가 추적한 앤트로픽 및 '프로젝트 글래스윙(Project Glasswing)' 관련 CVE는 9월 21일 기준 225개다. 이 가운데 실제 공격에 악용된 것으로 확인된 취약점은 고스트(Ghost)의 SQL 인젝션(SQL Injection, 데이터베이스를 조작하는 공격 기법) 취약점 CVE-2026-26980 단 1건으로, 전체의 약 0.44%에 불과했다.
이는 AI가 취약점을 발견하는 능력과 공격자가 해당 취약점을 실제 공격에 활용하는 것은 별개의 문제라는 점을 보여준다.
개리티는 "취약점을 발견하는 것과 해당 취약점이 위협 행위자에게 실제로 유용해 공격에 사용되는 것은 큰 차이가 있다"며, 현재까지 확인된 자료만 보면 앤트로픽 관련 취약점이 다른 일반적인 취약점과 비교해 특별히 높은 공격 위험을 만들어내고 있지는 않다고 설명했다. 역사적으로도 실제 공격에 무기화되는 취약점은 전체 공개 취약점의 약 1~2% 수준에 머물렀다는 것이 그의 분석이다.
AI, 취약점 탐지 능력은 이미 인간 최고 전문가 수준 접근
다만 AI의 취약점 탐지 능력 자체가 빠르게 발전하고 있다는 점은 분명하다.
앤트로픽은 지난 4월 '클로드 미토스 프리뷰(Claude Mythos Preview)'를 공개하면서 이 모델이 주요 운영체제와 웹브라우저 등에서 수천 개의 제로데이(Zero-day, 아직 패치가 없는 신규) 취약점을 발견했다고 밝혔다. 회사 측은 미토스 프리뷰가 일부 보안 작업에서 최상위 수준의 인간 전문가를 제외하면 사람보다 뛰어난 취약점 탐지·익스플로잇(Exploit, 취약점을 실제 공격에 이용하는 코드나 기법) 능력을 보였다고 평가했다.
이에 앤트로픽은 모델을 일반에 공개하지 않고 AWS, 애플, 시스코, 구글, 마이크로소프트, 엔비디아, 팔로알토 네트웍스(Palo Alto Networks), 리눅스 재단(Linux Foundation) 등 파트너들이 참여하는 프로젝트 글래스윙을 통해 제한적으로 제공하고 있다. 참가 기업들은 자체 제품이나 오픈소스 의존성에서 취약점을 사전에 찾아 수정하는 방어 목적으로 모델을 활용하고 있다.
AI가 단순히 취약점을 찾는 데 그치지 않고 실제 익스플로잇까지 자동 개발할 수 있다는 점도 주목된다. 앤트로픽은 미토스 프리뷰가 취약점에서 공격에 필요한 요소를 찾아내고 이를 연결해 완성된 공격 체인(Attack Chain)을 만드는 능력까지 보였다고 설명했다.
문제는 '찾은 다음'…AI 패치 완전 성공은 26%
하지만 취약점을 찾아낸 뒤 이를 안전하게 수정하는 능력은 아직 크게 부족한 것으로 나타났다.
원패스워드(1Password) 보안 연구팀은 최근 공개된 복잡한 취약점 6개를 대상으로 오픈AI(OpenAI)의 챗GPT-5.5와 앤트로픽 오퍼스 4.8(Anthropic Opus 4.8)이 만든 6,080개의 패치를 분석했다.
그 결과 기존 프로그램의 동작을 변경하지 않으면서 취약점을 완전히 해결한 패치는 평균 26%에 그쳤다. 반면 53.9%는 취약점을 해결하지 못하거나 새로운 취약점을 만들었으며 두 문제가 동시에 발생한 사례도 있었다.
일부 패치는 표면적으로 공격 코드를 차단했지만 취약점의 근본 원인을 제거하지 않아 다른 입력값을 이용하면 동일한 문제가 다시 발생할 가능성도 확인됐다. 원패스워드는 AI가 생성한 보안 패치를 실제 제품에 적용하기 전 숙련된 개발자와 보안 전문가의 검토가 여전히 필요하다고 강조했다.
베라코드(Veracode)의 조사에서도 비슷한 결과가 나왔다. 100개 이상의 AI 모델을 대상으로 조사한 결과 AI 생성 코드의 평균 보안 통과율은 약 56%였다. 코드가 정상적으로 컴파일되고 실행되는 능력은 빠르게 향상됐지만 안전한 코드를 만드는 능력은 그 속도를 따라가지 못하고 있다는 분석이다.
"AI 시대 핵심은 CVE 개수가 아니라 우선순위 판단"
이번 분석은 AI 시대의 취약점 관리 전략도 달라져야 한다는 점을 보여준다.
AI를 이용하면 과거 사람이 많은 시간과 비용을 투입해야 했던 코드 분석과 취약점 발굴을 대규모로 자동화할 수 있다. 반면 발견되는 취약점이 급증하면 기업 보안팀은 어떤 취약점을 먼저 수정해야 하는지 판단해야 하는 새로운 부담을 안게 된다.
실제 공격 가능성이 낮은 취약점까지 동일한 우선순위로 처리할 경우 한정된 보안 인력과 개발 자원이 분산될 수 있다. 따라서 단순 CVSS(취약점 심각도 점수 체계) 점수나 AI가 발견했다는 사실만 보기보다는 외부 노출 여부, 공격 난이도, 익스플로잇 존재 여부, 실제 악용 여부와 자산 중요도 등을 함께 고려하는 위험 기반 취약점 관리가 중요해지고 있다.
결국 AI는 취약점 발견의 진입장벽을 크게 낮추고 있지만, 발견된 취약점을 검증하고 실제 위험도를 판단해 수정·테스트·배포하는 과정까지 완전히 자동화하지는 못하고 있다.
개리티는 AI 시대의 진짜 격차는 취약점 발견 이후의 "조율, 분류와 우선순위 결정, 수정, 패치 배포" 단계에 있으며, 이 과정은 여전히 사람의 전문성과 노동에 크게 의존하고 있다고 지적했다.
관련 투런 솔루션
이 뉴스의 취약점·위협, 투런 솔루션으로 대응하세요.
