기계 속도의 시대, 보안

스테 나딘 - 수석 아키텍트

2026년 7월 30일 6 읽는 데 6분

취약점을 식별하고 악용하는 능력이 “기계 속도”에 도달함에 따라, 시스템 방어 체계도 이에 발맞춰 발전해야 합니다. 이러한 패러다임의 전환은 보안 적용 방식에 있어 근본적으로 다른 접근 방식을 요구합니다.

Skyhigh Security 는 항상 기업의 가장 중요한 자산을 보호하는 데 앞장서 왔습니다. 이러한 헌신은 AI를 활용해 머신 속도로 악성코드를 탐지하고, 끊임없이 학습하며 적응함으로써 새로운 위협에 한 발 앞서 대응하는 당사의 게이트웨이 안티멀웨어(GAM) 솔루션에서 잘 드러납니다.

Skyhigh Security GPT5.5-Cyber 프로그램과 Mythos Cyber 이니셔티브의 자랑스러운 구성원입니다. 이러한 프로그램을 어떻게 활용할지 이해하고, 직접 접근할 수 없는 상황에서도 어떻게 진행해야 할지 아는 것은 현대의 보안 전문가들에게 필수적입니다.

AI의 끊임없는 부상

지난 몇 년간 AI의 활용이 꾸준히 증가해 왔지만, 2026년은 그 어느 때보다 획기적인 해였습니다. 점점 더 정교해지는 AI 모델의 도입은 기업의 비즈니스 방식뿐만 아니라 운영의 근본적인 방식까지 뒤바꾸고 있습니다. 이 기술을 적극적으로 도입하는 기업들에게는 더 넓은 기회와 생산성 향상의 세계가 펼쳐질 것입니다.

안타깝게도 AI의 부상은 악의적인 행위자들에게도 힘을 실어주었습니다. 이들은 최신 AI 모델을 활용해 정교한 교차 벡터 공격을 기획하고, 기존 보안 기술로는 탐지되지 않았던 소프트웨어와 서비스 내의 ‘잠복’ 취약점을 찾아내고 있습니다.

이로 인해 고객 및 직원 데이터를 포함한 기업의 지적 재산이 담긴 핵심 소프트웨어, 서비스 및 시스템이 “기계 속도”로 위협에 노출됩니다. 이러한 변화의 속도는 기존의 보안, 테스트 및 소프트웨어 개발 라이프사이클이 일반적으로 따라잡을 수 있는 속도를 훨씬 앞지릅니다.

따라서 “머신 스피드 시대”에서 보안이 작동하는 방식도 이에 발맞춰 진화해야 합니다.

이러한 변화가 벅차게 느껴질 수도 있겠지만, 조직이 변화하는 환경을 이해하고 스스로를 보호하기 위해 선제적인 조치를 취한다면, 결국 더 탄력적인 서비스와 기반 소프트웨어를 구축하는 결과로 이어질 것입니다.

이러한 변화를 주도하는 요인은 무엇인가?

2026년 4월 초, 앤트로픽(Anthropic)은 ‘클로드 미토스(Claude Mythos)’를 미리 공개했습니다. 발표 자리에서 이들은 해당 모델이 소프트웨어 취약점을 식별하고 악용하는 전례 없는 능력을 갖추고 있음을 밝혔습니다. 이에 따라, 이 도구가 널리 보급되기 전에 파트너사들이 자체 시스템을 분석하고 취약점을 보완할 수 있도록 하기 위해 정식 공개를 연기하기로 결정했습니다.

이는 해당 모델을 “너무 강력해서 출시할 수 없다”고 포지셔닝한 기발한 마케팅 전략이기도 했지만, 동시에 새로운 현실을 여실히 드러내 주었다. 바로 최첨단 AI 모델들이 소프트웨어 결함을 식별하고 수정하는 업계의 기존 방식에 도전장을 내밀고 있다는 점이다.

그 이후로 여러 AI 업체들이 보안 연구 기능이 강화된 모델을 출시했습니다. 또한 대부분의 업체는 파트너들이 표준 보안 안전장치 없이 모델에 접근할 수 있도록 전용 프로그램을 마련했는데, 이는 특히 합법적인 방어 목적의 응용을 위해 취약점을 식별하고 이를 해결하기 위함입니다.

이로 인해 어떤 영향이 발생하고 있나요?

보안 방어 측과 공격자 간의 진화적 전쟁은 여전히 계속되고 있지만, 지금의 차이점은 바로 갈등이 벌어지는 속도입니다. 우리는 취약점 발견과 악용의 속도에서 패러다임을 바꿀 만한 가속 요인들이 나타나고 있음을 목격하고 있습니다.

취약점을 발견하고, 향후 버그 수정 일정을 잡은 뒤 몇 주 또는 몇 달 후에 패치를 배포하던 시대는 끝났습니다. 취약점이 “기계 속도”로 악용될 수 있는 오늘날의 환경에서는 기존의 일정이 더 이상 통하지 않습니다.

기업들은 더 이상 ‘패치 화요일(Patch Tuesday)’과 같은 전통적인 패치 전략에만 의존할 수 없습니다. 대규모 조직에서 흔히 볼 수 있는 느린 거버넌스 및 검증 프로세스는 공급업체가 실시간 조치가 필요한 중대한 취약점을 발견했을 때 이를 따라잡을 수 없습니다.

이러한 현실은 시장에서 두 가지 주요 변화를 촉발하고 있습니다:

• 소프트웨어 출시 전에 문제를 파악하기 위해 AI 모델을 도입하는 것.
• 패치 및 업데이트 프로세스가 “시스템 속도”에 맞춰 작동해야 할 필요성.

AI를 활용한 깊이 있는 역량 구축

AI 최첨단 모델들이 코드 보안 분야에 혁신을 가져왔지만, 일반적인 모범 사례는 여전히 필수적입니다. 가장 효과적인 접근 방식은 이러한 모델을 기존의 솔루션 개발 수명 주기(SDLC) 및 릴리스 프로세스에 통합하는 동시에, 운영 중인 서비스에 대한 지속적인 스캔을 제공하는 것입니다.

Skyhigh Security 에서는 바로 이러한 방식을 채택하여, 초기 단계에서는 여전히 기존의 SAST 및 DAST 구성 요소를 사용하는 SDLC를 유지하되, 다음을 활용하여 이를 확장하고자 했습니다:

• 임베디드 AI: 당사는 개발자들이 코드를 리포지토리에 커밋하기 전부터 보안 위반 사항을 자동으로 점검해 주는 AI 모델을 이용할 수 있도록 지원합니다**.
• AI 침투 테스트: 파이프라인의 마지막 단계에 최첨단 AI 모델의 “사이버” 버전을 활용하여 취약점과 공격 경로를 탐지하는 핵심 테스트를 추가했습니다. 이를 통해 출시 전에 문제를 해결할 수 있습니다. 이러한 테스트는 빈번하게 실행되므로, 새로 발생한 문제뿐만 아니라 이전 모델 버전에서는 놓쳤을 수도 있는 기존 결함까지 식별할 수 있습니다.
• SAST 및 DAST 공급업체의 역량: 정적 및 동적 애플리케이션 보안 테스트(SAST 및 DAST) 소프트웨어 공급업체들은 AI를 빠르게 도입하고 있습니다. 이러한 공급업체의 도구를 활용함으로써, 우리는 점점 더 정교해지는 정확도와 첨단 기능을 활용할 수 있습니다.
• AI 기반 문제 해결: 스카이하이(Skyhigh)는 사람이 이 모든 문제를 충분히 빠르게 해결할 수 없다고 믿습니다. 따라서 “기계 속도”로 나아가기 위해, 프로세스 마지막 단계에 문제를 스캔하고 자동으로 수정하는 AI 기반 시스템을 구축했습니다. 문제를 식별하는 “레드” 에이전트와 이를 자동으로 수정하는 “그린” 에이전트를 직접 결합함으로써, 단순히 해결해야 할 문제 목록을 파악하는 데 그치지 않고 소프트웨어의 높은 품질을 보장할 수 있습니다.

**참고: 최신 최첨단 모델을 사용할 수 없는 경우에도, 연구 결과에 따르면 견고한 안전 장치를 갖춘 소규모 모델을 활용하면 여전히 중요한 문제점을 파악할 수 있는 것으로 나타났습니다. 이는 다양한 모델을 조합하여 더 폭넓은 범위의 문제를 포착할 때 특히 효과적입니다.

SDLC 파이프라인 외에도, 가동 중인 시스템에 대해서는 다음과 같은 여러 가지 보안 점검을 지속적으로 수행해야 합니다:

• CNAPP(클라우드 네이티브 애플리케이션 보호 플랫폼) 구현: 이러한 플랫폼은 알려진 취약점 및 잘못된 구성에 대한 지속적인 가시성을 제공합니다.
• 실시간 패턴 매칭 기반 악성코드 방지: Skyhigh의 GAM과 같은 기능은 알려진 시그니처를 넘어 행동 패턴을 분석합니다. 내부 AI를 활용해 의심스러운 행동을 탐지함으로써, 이러한 시스템은 “머신 속도”로 스스로 업데이트되어 새로운 위협이 발생하자마자 이를 차단합니다.

이러한 도구들을 결합하면 취약점이 노출되기 전에 이를 관리할 수 있으며, 조직이 새롭게 대두되는 위협을 실시간으로 탐지하고 방어할 수 있는 역량을 갖추도록 할 수 있습니다.

어떻게 적응하시나요?

이러한 변화하는 환경에 적응하기 위해, 몇 가지 핵심 분야에 집중할 것을 권장합니다:

1. AI를 활용하여 SDLC를 검토하고 업데이트하세요.
   SDLC를 검토하여, AI 모델을 통해 강력한 SAST 및 DAST 기능이 강화되어 코드가 기업의 안전 기준에 부합하는지 검증할 수 있도록 하세요. 필요에 따라 AI 모델을 교체할 수 있도록 유연성을 고려하여 시스템을 설계하십시오. 예를 들어, 중요 시스템에는 더 진보되고 고성능인 모델을 적용할 수 있습니다.
2. 공급업체가 SDLC를 적절히 보호하고 있는지 확인하십시오.
   대부분의 기업이 제3자 공급업체에 의존하고 있으므로, 공급업체가 최신의 AI 기반 SDLC 프로세스를 도입했는지 확인하는 것이 매우 중요합니다. 이러한 점검 절차를 조달 및 공급업체 평가 주기에 통합하십시오.
3. “Machine Speed” 적응형 탐지 및 보호 시스템을 도입하십시오.
   실제 운영 환경에서 위협이 발생하자마자 이를 탐지하고 이에 적응할 수 있는 시스템을 활용하도록 하십시오. Skyhigh Security GAM과 같이 적응형 보호 기능을 제공하는 솔루션을 우선적으로 도입하십시오.
4. AI 레드팀 활동 도입
   AI “레드팀 활동”을 릴리스 프로세스에 AI ‘레드 팀링’을 도입하여, 코드 내부의 취약점뿐만 아니라 실제 운영 환경에서도 취약점이 발견되지 않도록 보장하십시오.
5. AI를 활용하여 취약점을 해결하세요.
   이미 허덕이고 있는 조직에서 더 많은 취약점을 찾아낸다고 해도, 프로세스에 기계 수준의 속도로 취약점을 해결할 수 있는 수단을 구축해 두지 않는 한 아무런 가치가 없습니다. AI 시스템을 도입하여 해결 방안을 제안받고, 레드팀 활동과 병행하여 이를 실행에 옮기도록 하세요.
6. 필요할 때 언제든지 패치를 적용할 수 있도록 하십시오.
   정해진 패치 적용 기간을 고수하기보다는 필요에따라 수시로 패치를 적용하는 방식을 채택하십시오. 다른 방어 수단이 무엇이든 간에, 취약점은 필연적으로 발견될 것이며, “Machine Speed” 방식의 악용을 방지하기 위해서는 즉각적인 조치가 필요합니다.

이는 보안 접근 방식에 있어 중대한 변화를 의미하지만, 이에 적응하는 이들에게는 훨씬 더 탄력적인 소프트웨어와 서비스를 얻을 수 있는 이점이 따를 것입니다. 이 새로운 시대에서 성공하기 위해서는 취약점이 발각되지 않기를 바라는 데 의존해서는 안 되며, 위협이 확산되는 속도에 맞춰 작동하는 견고한 다층 방어 전략에 달려 있습니다. 

AI 시대에 데이터 보안이 갖는 중요성에 대해 더 자세히 알고 싶으시다면, 당사의 최근 시장 조사 보고서를 확인해 보세요: DSPM과 AI를 활용한 데이터 보안 과제 해결.

블로그로 돌아가기