TL;DR

  • Anthropic 및 Project Glasswing과 연계된 취약점 225건 가운데 실제 악용이 확인된 사례는 0.5% 미만인 단 한 건으로, 취약점 발견이 곧 공격자 활용으로 이어지지는 않음.
  • VulnCheck 연구원 Patrick Garrity는 Anthropic이 공개한 취약점의 위협 영향이 제한적이며 다른 취약점 표본과 크게 다르지 않다고 평가함.
  • Anthropic은 버그 탐지 능력이 뛰어난 Claude Mythos Preview를 검증된 Project Glasswing 참여자에게만 제공하고, 방어적 보안 작업에 사용하도록 제한함.
  • 과거 취약점 악용 비율은 1% 미만에서 2% 사이이며, 최근 연구에서도 AI가 만든 보안 패치와 코드의 성공률에는 한계가 드러남.
  • 취약점 발견 문턱은 AI로 낮아졌지만 분류, 조정, 수정, 패치 배포에는 여전히 사람의 작업이 크게 필요함.

Anthropic 연계 취약점 225건 중 실제 악용은 한 건

  • VulnCheck 보안 연구원 Patrick Garrity는 Anthropic 또는 Project Glasswing과 연계된 취약점(CVE)을 추적하며, 이를 VulnCheck의 알려진 악용 취약점 목록과 대조해 실제 위협 수준을 살핌.
  • 월요일 기준 추적 대상은 225건이며, 실제 공격에서 악용된 사례로 확인된 것은 Ghost의 치명적 SQL 인젝션 취약점 CVE-2026-26980 한 건임.
  • Project Glasswing은 Anthropic이 일부 파트너에게 Claude Mythos Preview 접근을 제공하는 계획임. Anthropic은 새 모델의 버그 탐지 및 악용 능력이 최고 수준의 인간을 제외한 대부분을 능가한다며 공개 출시가 지나치게 위험하다고 밝힘.
  • 이에 따라 Mythos Preview 접근은 심사를 거친 Glasswing 참여자로 제한되며, 참여자는 자체 소프트웨어와 오픈소스 의존성의 취약점을 찾고 수정하는 방어적 보안 작업에 모델을 활용함.

“취약점을 발견하는 것과 그 취약점이 위협 행위자에게 실제로 유용하고 악용되는지는 큰 차이가 있음.”

  • Garrity는 Anthropic이 발견하고 공개한 취약점의 영향이 비교적 제한적이며, 위협 관점에서 무작위로 뽑은 다른 취약점과 다른 결과를 낳는 것으로 보이지 않는다고 말함.

취약점 발견과 실제 악용 사이의 간극

  • 최근 몇 달간 Microsoft, Apple, Palo Alto Networks의 대규모 패치 공개와 오픈소스 프로젝트의 취약점 공개는 AI 모델이 이전보다 훨씬 많은 보안 결함을 드러내고 있음을 보여주는 사례임.
  • Garrity는 취약점 탐지 능력이 특정 모델이나 실행 환경만의 고유한 역량은 아니라고 지적함.

“지금 보이는 많은 과장된 우려는 모든 취약점이나 버그가 위협 행위자에게 사용될 가능성이 높다고 전제함. 하지만 실제로 악용 캠페인에 쓰이는 것은 일부에 불과하며, 역사적으로 무기화돼 실제 공격에 사용되는 취약점은 전체의 1% 미만에서 2% 사이임.”

  • 최근 연구들은 AI 모델이 버그를 찾는 데는 뛰어나지만 수정에는 아직 능숙하지 않다는 점도 보여줌.

AI가 만든 보안 수정의 한계

  • 1Password 연구팀은 OpenAI의 ChatGPT-5.5와 Anthropic의 Opus 4.8이 만든 패치 6,080건을 생성하고 분석함.
  • 두 모델이 취약점을 완전히 해결한 패치는 26%에 그쳤으며, 약 54%는 취약점을 해결하지 못하거나 새 취약점을 도입하거나 두 문제를 모두 일으킴.
  • 애플리케이션 보안 업체 Veracode의 연구에서는 100개 초과 모델과 80개 코딩 작업을 대상으로 측정한 AI 생성 코드의 평균 보안 통과율이 56%임.
  • 따라서 보안 수정안을 개발하고 적용하는 작업에는 여전히 사람이 필요함.

“AI로 취약점 발견의 문턱은 훨씬 낮아졌지만, 실제 격차는 후속 단계인 조정, 분류, 수정, 패치 배포에 있음. 이 과정은 여전히 사람의 작업이 많이 필요하며, Anthropic도 이를 인정함. 프로젝트를 시작한 뒤에야 이를 깨달은 것으로 보임.”