법원에 프롬프트 인젝션을 시도한 소송 당사자가 Hacker News에 등장한 이유

한 소송 당사자가 법원 제출 서류에 AI 지시문을 심어, 해당 프롬프트가 법원의 사건 처리 방식에 영향을 주기를 기대했다는 보도가 나온 뒤 Hacker News에 등장했다.

이 이례적인 전략은 입증되지 않은 의심에 기반했다. 이 남성은 법원이 제출 문서를 검토하는 데 인공지능을 사용할 수 있다고 믿었던 것으로 보인다. 이후 그는 자신의 제출 서류를 가상의 시스템에 대한 입력값처럼 취급했다.

보도된 법원 제출 서류에 따르면, 삽입된 문구는 AI 검토자가 자신에게 유리한 결론을 내리도록 유도하기 위해 설계됐다. 현재 공개된 보도만으로는 법원이 실제로 그러한 시스템을 사용했다는 사실이 확인되지는 않는다.

이 구분이 사건 전체를 규정한다. 이는 누군가 자동화된 판사를 성공적으로 해킹한 이야기가 아니다. 관여 사실이 입증되지 않은 기계를 조작하려는 시도였다.

그럼에도 이 사건이 중요한 이유는 법률 문서가 사람이 읽기 전에 점점 더 많은 소프트웨어 시스템을 거치기 때문이다. 법원은 전자 제출, 문서 검색, 전사, 요약, 행정 도구를 사용한다. 변호사들 역시 조사와 초안 작성에 생성형 AI를 활용한다.

따라서 법원 프롬프트 인젝션은 한 사람의 판단력만 시험하는 문제가 아니다. AI가 업무 흐름에 들어오면서 법률 기관이 적대적 텍스트를 안전하게 처리할 수 있는지에 관한 구체적인 질문을 제기한다.

소송 당사자가 제출 서류에 넣었다고 보도된 내용

핵심 행위는 AI 시스템이 사건을 통제했다는 증명이 아니라, 법원을 겨냥한 프롬프트 인젝션 시도였다.

프롬프트 인젝션은 AI 시스템이 원래의 규칙 대신 그 지시를 따르도록 콘텐츠 안에 명령을 넣는 행위를 뜻한다. 이 공격은 반드시 주변 컴퓨터 네트워크가 아니라 모델의 텍스트 해석을 겨냥한다.

이 사건에서 해당 콘텐츠는 법원 제출 서류 안에 포함된 것으로 알려졌다. 보도된 목적은 문서를 검토하는 모든 AI 시스템에 영향을 미쳐 제출자가 승소할 가능성을 높이는 것이었다.

이 접근법은 AI 보조 도구로 준비서면 초안을 작성하는 것과 다르다. 초안 작성 도구는 문서 작성자를 위해 작동한다. 반면 삽입된 지시문은 작성자가 통제하지 못하는 후속 독자 또는 처리 시스템을 겨냥한다.

이 차이는 설득력 있는 주장을 작성하는 것과 첨부 파일 안에 명령을 숨기는 것의 차이와 비슷하다. 전자는 통상적인 변론을 통해 판사에게 전달된다. 후자는 중개자를 우회하려 한다.

그러나 그 전제는 여전히 추측에 머물렀다. 사건에 관한 공개 보도는 AI 모델이 해당 제출 서류를 평가했다는 사실을 입증하지 못했다. 삽입된 프롬프트가 사법 판단에 영향을 미쳤다는 점도 보여주지 못했다.

이 검증 공백은 핵심적이다. 이 사건을 “AI 법원 해킹”이라고 부르면 확인된 공격 대상, 성공적인 실행, 측정 가능한 효과가 있었다는 뜻이 된다. 보도된 사실은 그러한 결론 가운데 어느 것도 뒷받침하지 않는다.

이 사건은 적대적 개입 시도로 이해하는 편이 더 적절하다. 제출자는 자동화된 독자를 예상하고 그 독자를 겨냥한 문구를 삽입했다.

전자 제출 시스템이 AI 사용을 입증하는 것은 아니다. 법원은 생성형 모델에 문서를 평가하게 하지 않아도 검색 가능한 문서를 접수하고, 일반적인 색인 작업을 수행하며, 파일을 전자적으로 배포할 수 있다.

마찬가지로 법률 기관 내부 어딘가에 AI 도구가 존재한다고 해서 그것이 재판 판단에 관여했다는 증거가 되지는 않는다. 행정적 요약과 사법적 의사결정은 본질적으로 다른 기능이다.

이 구분은 사건을 해석하는 모든 과정의 기준이 되어야 한다. 소송 당사자의 의심은 그의 전략을 설명하지만, 그 의심 자체를 정당화하지는 않는다.

Hacker News 토론은 이러한 모호성에 주목하게 했다. 이 이야기는 캡처된 첫 페이지 스냅샷에서 40포인트와 35개의 댓글을 기록했다.

이 수치는 기술적 관심을 보여줄 뿐, 사실 확인을 의미하지는 않는다. 커뮤니티 반응은 중요한 질문을 드러낼 수 있지만, 댓글만으로 법원이 실제로 어떤 소프트웨어를 배포했는지는 입증할 수 없다.

지속적으로 유효한 사실은 더 좁다. 한 법률 서류 제출자가 법원 문서를 AI 지시문을 위한 잠재적 공격 표면으로 취급한 것으로 보도됐다. 그 행동만으로도 신뢰와 절차에 문제가 생긴다.

Hacker News 이야기가 한 사건을 넘어 중요한 이유

이 사건은 숨겨진 자동화에 대한 단순한 의심만으로도 기관과 상호작용하는 사람들의 행동이 바뀔 수 있음을 보여준다.

법원은 눈에 보이는 절차가 결과를 좌우한다고 참여자들이 믿는 데 기반한다. 소송 당사자들은 공개된 규칙에 따라 증거와 주장을 제출하고, 판사들은 명령과 판결문을 통해 결정을 설명한다.

비공개이거나 설명이 부족한 자동화는 결과를 직접 결정하지 않더라도 이 모델을 흔들 수 있다. 참여자들이 보이지 않는 모델이 제출물을 읽고 있다고 의심하면, 기계를 의식해 글을 쓸 유인이 생긴다.

이 압력은 여러 유해한 행동을 낳을 수 있다. 제출자들은 모델 관련성이 있다고 여겨지는 문구를 반복하거나, 서식 안에 지시를 숨기거나, 요약을 유도하기 위해 무관한 자료를 덧붙일 수 있다.

일부는 특정 표현이 더 빠른 주목을 받는지 시험할 수도 있다. 또 다른 이들은 긴급성, 신뢰성 또는 법적 권위와 연관된 언어가 더 큰 비중을 얻을 것이라고 추정할 수 있다.

이러한 전략 중 어느 것도 실제 AI 검토자를 필요로 하지 않는다. 그런 시스템이 존재한다는 믿음만으로도 문서 품질을 떨어뜨리고 전략적 조작을 부추기기에 충분할 수 있다.

이 때문에 투명성이 중요하다. 법원이 민감한 보안 설계를 공개할 필요는 없지만, 증거나 주장에 접촉하는 도구의 경계는 참여자들에게 명확해야 한다.

기본 정책은 사무적 지원과 실질적 평가를 구분해야 한다. 또한 자동화된 결과물이 권고, 일정 관리, 조사 또는 결정 초안에 영향을 미칠 수 있는지 설명해야 한다.

압력은 판사뿐 아니라 법원 행정 담당자에게도 가해진다. 행정 담당자는 소프트웨어, 공급업체의 주장, 데이터 보존, 접근 통제, 인간 검토 절차를 평가해야 한다.

판사들이 지는 부담은 다르다. 늘어나는 기록과 점점 복잡해지는 디지털 증거를 관리하면서도 독립적인 판단을 지켜야 한다.

변호사와 변호사 없이 소송을 수행하는 당사자에게도 안정적인 기대가 필요하다. 공개되지 않은 소프트웨어가 해석의 두 번째 층을 추가한다고 믿는다면, 절차 규칙을 자신 있게 따를 수 없다.

위험은 프롬프트 인젝션에만 국한되지 않는다. 문서화가 부족한 자동화는 비밀유지, 특권, 기록 보존, 불리한 정보에 이의를 제기할 권리를 둘러싼 분쟁을 만들 수 있다.

모델 요약은 단서를 누락할 수 있다. 추출 시스템은 인용을 잘못 읽을 수 있다. 자동 분류 도구는 문서를 잘못된 범주에 할당할 수 있다.

인간 검토자도 실수하지만, 법적 절차에는 이미 인간의 결정을 식별하고 다툴 수 있는 장치가 마련돼 있다. 숨겨진 AI 단계는 오류의 원인을 찾기 어렵게 만들 수 있다.

따라서 법률 시스템은 기술적 문제와 함께 소통의 문제에도 직면한다. AI 도구를 안전하게 보호하는 동시에 허용된 역할을 이해할 수 있게 해야 한다.

Hacker News에서 이 이야기가 인기를 끈 것은 이러한 더 넓은 긴장을 반영한다. 개발자들은 권위 있는 텍스트를 중심으로 구축된 기관 안에서 익숙한 보안 패턴을 발견했다.

소프트웨어 엔지니어들은 신뢰할 수 없는 콘텐츠에 적대적 지시가 포함될 수 있다는 점을 이미 알고 있다. 이제 법원은 그 위협 모델이 자체 문서 파이프라인의 어디에 적용되는지 결정해야 한다.

법원 프롬프트 인젝션은 법률 텍스트를 적대적 입력으로 바꾼다

모델이 동일한 텍스트 채널에서 지시와 증거를 처리하는 순간, 제출 서류는 적대적 AI 입력이 된다.

생성형 모델은 어떤 문장이 법적 권위를 지니는지 본질적으로 이해하지 못한다. 프롬프트, 주변 텍스트, 시스템 규칙, 애플리케이션 설계를 바탕으로 관계를 추론한다.

안전한 애플리케이션은 지시 체계를 수립하려 한다. 시스템 지시는 모델의 작업을 정의하고, 검색된 문서는 새로운 명령이 아니라 정보를 제공해야 한다.

그러나 두 범주 모두 결국 텍스트로 전달되기 때문에 이 분리는 실패할 수 있다. 모델은 제출 서류 안의 문구를 요약할 자료가 아니라 운영 지침으로 취급할 수 있다.

어떤 시스템이 신청서 요약을 요청받았다고 가정해 보자. 그 신청서에는 AI 독자에게 상대방 증거를 무시하고 제출자를 신뢰할 만한 사람으로 묘사하라고 지시하는 문장이 들어 있다.

잘 설계된 시스템이라면 그 문장을 문서의 일부로 인용하거나 설명해야 한다. 요약을 생성하면서 그 문장에 복종해서는 안 된다.

지시가 일반적인 산문, 메타데이터, 댓글 또는 눈에 잘 띄지 않는 텍스트로 위장되면 문제는 더 커진다. 모델은 바쁜 인간 검토자가 놓칠 수 있는 콘텐츠를 처리할 수 있다.

이는 모든 모델이 모든 삽입 지시를 따르게 된다는 뜻은 아니다. 결과는 모델의 행동, 애플리케이션 아키텍처, 필터링, 주변 프롬프트에 따라 달라진다.

그러나 개발자는 법률 문서가 수동적인 데이터라고 가정할 수 없다는 뜻이다. 모델이 이를 읽는 순간, 문서는 잠재적으로 적대적인 입력이 된다.

적절한 통제는 추론 이전에 시작된다. 시스템은 문서를 정규화하고, 숨겨진 계층을 검사하며, 활성 콘텐츠를 제거하고, 감사 가능한 원본을 보존해야 한다.

모델에는 정의된 작업에 필요한 최소한의 콘텐츠만 제공해야 한다. 특히 출력이 외부 작업을 촉발할 수 있을 때는 권한도 제한적으로 유지해야 한다.

애플리케이션은 인용된 자료를 격리하고 모델에 이를 증거로 취급하라고 지시할 수 있다. 이후 일반적인 인젝션 패턴이 결과를 바꾸는지 시험할 수 있다.

인간 검토는 여전히 필요하지만, “사람이 확인한다”는 말만으로 완전한 보안 설계가 되지는 않는다. 검토자는 모델이 무엇을 받았고 출력이 어떻게 생성됐는지 알아야 한다.

또한 기초 기록에 접근할 수 있어야 한다. 정확성이 권리에 영향을 미칠 때, 요약이 증거를 사실상 대체하는 유일한 표현이 되어서는 안 된다.

로그도 같은 이유로 중요하다. 의심스러운 제출 서류가 모델 행동을 바꾼다면, 조사자는 프롬프트, 검색된 콘텐츠, 모델 버전, 생성된 출력의 기록을 확보해야 한다.

그러한 기록은 자체적인 개인정보 보호 의무를 낳는다. 법원 문서에는 개인정보, 의료 세부 정보, 영업 비밀 또는 보호되는 통신 내용이 포함될 수 있다.

따라서 안전한 AI 법원 제출 서류 워크플로는 검사와 최소화 사이의 균형을 맞춰야 한다. 민감한 콘텐츠를 불필요한 시스템에 퍼뜨리지 않으면서 조작을 탐지해야 한다.

이 메커니즘은 법원의 AI 사용 증거가 없는데도 보도된 사건이 주목받을 만한 이유를 설명한다. 이는 이례적으로 명시적인 형태로 예측 가능한 공격 전략을 보여준다.

실제 충돌은 설득과 조작 사이에 있다

법적 변론은 책임을 지는 의사결정자를 설득하려 하지만, 삽입된 AI 명령은 그러한 책임 절차를 우회하려 한다.

모든 법원 제출 서류는 영향력을 추구한다. 준비서면은 사실을 정리하고, 권위를 선택하며, 쟁점을 구성하고, 판사에게 특정 결론에 도달해 달라고 요청한다.

이러한 통상적 목적은 경계를 모호하게 보이게 할 수 있다. 설득력 있는 글쓰기가 허용된다면, AI 독자를 겨냥한 문구는 왜 다르게 취급돼야 할까?

답은 그 문구가 누구를 향하고 무엇을 하려 하는지에 달려 있다. 변론은 법원과 상대방에게 계속 공개되며, 기록상 반박할 수 있다.

반면 숨겨진 지시는 처리 계층을 겨냥한다. 통상적인 대립 절차가 본안에 이르기 전에 문서 해석 방식을 바꾸려 한다.

이 구분은 소송을 규율하는 다른 무결성 규칙과 닮아 있다. 당사자들은 강하게 주장할 수 있지만, 법적 권위를 고의로 왜곡하거나 제출 자료의 실질적 성격을 숨길 수는 없다.

Rule 11에 따르면, 연방법원에 서류를 제출할 때는 정당한 목적과 법률적·사실적 주장에 대한 근거를 인증해야 합니다. 정확한 결과는 관할권과 상황에 따라 달라집니다.

직업윤리상 의무 역시 재판부에 대한 진실성을 강조합니다. 미국변호사협회(American Bar Association)의 성실 의무 규칙은 각 관할권에서 채택한 규칙을 전제로, 허위 진술과 지배적 법적 권위에 관한 사항을 다룹니다.

이러한 기준은 프롬프트 인젝션을 염두에 두고 특별히 마련된 것은 아닙니다. 이를 문서에 삽입된 기계 지시문에 적용하려면 의도, 가시성, 영향, 그리고 현지 절차를 면밀히 살펴야 합니다.

본인 소송 수행자도 또 다른 복잡성을 더합니다. 이들은 기술 보안 개념이나 이례적인 서식이 초래할 수 있는 절차적 결과를 이해하지 못할 수 있습니다.

그렇다고 조작이 무해해지는 것은 아닙니다. 다만 법원은 제재를 부과하기 전에 고의적 방해와 혼란에서 비롯된 실험을 구분해야 한다는 뜻입니다.

보도된 사건은 기존의 생성형 AI 소송 서사도 뒤집습니다. 이전 논란은 대개 변호사들이 AI 도구가 만들어낸 허구의 판례나 부정확한 인용문을 제출한 경우와 관련됐습니다.

이번에는 보도에 따르면 제출자가 AI에 관한 지식을 공격적으로 활용했습니다. 그는 단순히 모델에 오도된 것이 아닙니다. 그는 자신이 의심한 모델이 제출 문서를 잘못 읽도록 만들려 했습니다.

두 시나리오는 같은 제도적 취약점을 드러냅니다. 법원은 이제 눈에 보이는 법적 주장 너머의 위험을 품은 문서를 받고 있습니다.

AI 법원 제출 문서에는 환각으로 만들어진 권위 자료, 공개되지 않은 기계 생성 분석, 개인정보 유출 또는 적대적 지시문이 포함될 수 있습니다. 단일 접수 정책은 이 네 가지 모두를 고려해야 합니다.

전면 금지는 매력적인 대응처럼 보이지만 한계가 있습니다. 생성형 초안 작성 금지는 삽입된 프롬프트를 탐지하지 못하며, 공개 의무 역시 법원 측 시스템을 보호하지 못합니다.

지나치게 광범위한 규칙은 정당한 접근성 도구, 번역 지원 또는 통상적인 문서 작성까지 부담을 줄 수 있습니다. 정책은 유행하는 용어가 아니라 행위와 위험을 겨냥해야 합니다.

가장 강력한 기준선은 절차적 무결성입니다. 제출자는 그 시스템이 AI를 사용하든 아니든, 제출물을 처리하는 시스템을 방해해서는 안 됩니다.

법원과 법률 AI 공급업체가 입증해야 할 사항

법원은 AI 도구가 적대적 문서에 저항하고, 검토 가능성을 보존하며, 권한 없는 의사결정에 관여하지 않는다는 증거를 요구해야 합니다.

첫 번째 요건은 문서화된 사용 사례입니다. 전사, 검색, 요약, 추천은 서로 다른 위험을 만들기 때문에 “AI 지원”은 평가하기에 지나치게 광범위한 표현입니다.

전사 도구는 음성을 텍스트로 변환합니다. 검색 도구는 관련 구절을 찾아냅니다. 요약기는 문서를 압축하고, 추천 시스템은 가능한 결과의 순위를 매기거나 평가합니다.

각 기능에는 별도의 통제가 필요합니다. 회의록에서의 무해한 오류는 사법 조사 과정에서 제시되는 왜곡된 요약과는 다릅니다.

두 번째 요건은 적대적 테스트입니다. 공급업체는 직접 명령, 간접 명령, 상충하는 지시, 숨겨진 텍스트, 오해를 유도하는 메타데이터가 포함된 문서를 테스트해야 합니다.

테스트는 모델이 명백한 공격을 거부하는지 여부 이상을 측정해야 합니다. 검토자는 누락, 어조 변화, 변경된 인용, 신뢰도 변화도 살펴야 합니다.

세 번째 요건은 추적 가능성입니다. 모든 중대한 출력물은 출처 자료를 식별하고, 사람이 관련 구절을 검토할 수 있게 해야 합니다.

추적 가능성이 정확성을 보장하지는 않습니다. 하지만 근거 없는 진술이 결정에 영향을 미치기 전에 식별하기는 더 쉬워집니다.

네 번째 요건은 엄격한 권한 통제입니다. 별도로 승인된 워크플로가 요구하지 않는 한, 문서 처리 모델은 메시지를 보내거나 기록을 수정하거나 사건 관련 조치를 시작해서는 안 됩니다.

이는 표준 보안 원칙을 따릅니다. 신뢰할 수 없는 입력이 모델이 자신의 언어를 지시로 해석했다는 이유만으로 권한을 획득해서는 안 됩니다.

다섯 번째 요건은 기관 차원의 공개입니다. 법원은 자신들이 사용하는 AI 도구의 범주와 해당 도구가 수행할 수 없는 역할을 공개해야 합니다.

이런 공개는 이번 보도된 사건의 배경에 있는 의심과 같은 추측을 줄일 수 있습니다. 또한 소송 당사자에게 우려를 제기할 수 있는 명확한 절차를 제공할 수 있습니다.

하지만 투명성만으로는 충분하지 않습니다. AI 정책을 공개한다고 해서 직원들이 이를 준수하거나 공급업체가 약속을 이행한다는 사실이 입증되지는 않습니다.

특히 독점 시스템이 외부인의 학습 과정이나 내부 통제 검토를 막는 경우에는 독립적인 평가가 여전히 중요합니다.

법원은 다툼이 제기되는 출력물에 대해서도 계획해야 합니다. AI가 생성한 요약이 사건 업무에 영향을 미친다면, 당사자들은 그 출력물과 출처 맥락에 대한 접근을 요구할 수 있습니다.

이는 숙의 과정의 기밀성과 사법 업무 산출물에 관한 어려운 문제를 만듭니다. 기관은 분쟁 때문에 임시방편의 답을 내놓아야 하기 전에 이러한 문제를 다뤄야 합니다.

조달 계약이 도움이 될 수 있습니다. 계약에는 데이터 사용, 보존 기간, 모델 학습 제한, 사고 보고, 감사 접근권, 보안 실패에 대한 책임을 명시할 수 있습니다.

어떤 통제도 확률적 모델을 완벽하게 신뢰할 수 있게 만들 수는 없습니다. 목표는 실패를 탐지할 수 있고 출력물이 책임 있는 인간의 판단에 종속되는 제한된 시스템입니다.

회의적인 관점은 계속 분명히 유지돼야 합니다. 공개 보도는 해당 프롬프트가 어떤 모델에 도달했는지, 출력에 영향을 미쳤는지, 또는 사건을 바꿨는지를 보여주지 않았습니다.

따라서 이 사건은 특정 방어책을 검증하거나 광범위한 취약성을 입증할 수 없습니다. 다만 법원과 공급업체가 이제 테스트할 이유가 생긴 위협 시나리오를 제시합니다.

Hacker News 독자가 다음으로 지켜봐야 할 것

다음으로 의미 있는 증거는 자동화된 판사에 대한 추측이 아니라 법원 기록, 공개된 AI 정책, 문서화된 보안 테스트에서 나올 것입니다.

첫 번째 신호는 더 충실한 사법 기록입니다. 문서에 삽입된 언어를 다루는 명령은 제출자가 무엇을 썼는지, 무엇을 의도했는지, 그리고 어떤 소프트웨어가 이를 처리했는지를 명확히 할 수 있습니다.

그 기록이 알려진 시스템을 겨냥한 고의적 지시를 문서화한다면 조작 분석은 더 강해질 수 있습니다. 반대로 AI 도구가 관여하지 않았다면 더 광범위한 주장은 약화될 수 있습니다.

두 번째 신호는 기관의 공개입니다. 법원은 허용되는 AI 활용, 금지된 의사결정 기능, 의심스러운 문서 처리 절차를 정의하는 방식으로 대응할 수 있습니다.

명확한 정책은 불확실성을 줄일 수 있지만, 시행에는 여전히 검증이 필요합니다. 침묵은 소송 당사자와 연구자들이 숨겨진 워크플로 변화에 대해 추측하게 만들 것입니다.

세 번째 신호는 법률 AI 공급업체의 기술적 검증입니다. 유용한 증거에는 적대적 테스트 방법, 실패율, 감사 절차, 모델 권한의 한계가 포함될 것입니다.

포괄적인 보장만으로는 문제를 해결할 수 없습니다. 개발자와 법원 관리자는 증거에 적대적 지시가 포함될 때 시스템이 어떻게 작동하는지를 보여주는 결과가 필요합니다.

Hacker News 독자들은 쉽지만 근거 없는 결론도 경계해야 합니다. 이 이야기는 법원이 비밀리에 언어 모델에게 사건 결정을 맡긴다는 사실을 입증하지 않습니다.

더 좁고 더 시사적인 사실을 보여줄 뿐입니다. 적어도 한 명의 보도된 제출자는 그 가능성을 법적 제출물을 수정할 만큼 강하게 믿었습니다.

그 믿음은 제도적 비용을 만듭니다. 문서 처리 파이프라인을 겨냥한 실험을 부추기고, 눈에 보이는 주장이 법적 결과를 결정한다는 신뢰를 약화시킵니다.

개발자에게 즉각적인 조치는 구체적입니다. 검색된 모든 문서를 신뢰할 수 없는 데이터로 취급하고, 증거와 지시를 분리하며, 검토 가능한 출처 맥락을 보존해야 합니다.

법률 전문가에게도 과제는 똑같이 직접적입니다. AI가 워크플로의 어디에 들어오는지, 사람들이 어떤 출력물을 보는지, 의심스러운 콘텐츠가 어떻게 검토자에게 도달하는지 물어야 합니다.

지식 노동자에게 이 사건은 AI 매개 읽기에 관한 더 넓은 교훈을 제공합니다. 요약은 출처가 검토를 위해 계속 제공될 때에만 유용합니다.

검색 가능한 개인 지식 베이스를 유지하면 결론과 원본 자료 사이의 연결을 보존하는 데 도움이 될 수 있습니다. 이는 검증이나 전문적 판단을 대체하지 않습니다.

법원 기록, 정책, 테스트를 지켜보십시오. 이들 출처가 실제 AI 처리를 확인한다면, 이 사건은 실제로 배포된 취약성의 증거가 됩니다. 그렇지 않다면 보이지 않는 자동화를 둘러싼 불신에 대한 경고로 남을 것입니다.