Anthropic OSS Scanner는 무료지만, 유지관리자는 결과를 검증해야 한다

Anthropic은 10월 8일 Anthropic OSS Scanner를 무료 서비스로 출시하며, 오픈소스 프로젝트에 자사의 가장 강력한 AI 모델을 활용한 정기 보안 감사를 제공하기 시작했다. 이 서비스는 취약점 설명, 재현 단계, 제안된 패치를 포함한다. 다만 보고서는 사람의 검토 없이 유지관리자에게 전달된다.

이러한 절충안이 서비스의 성격을 규정한다. Anthropic은 내부 검토자를 과정에서 제외함으로써 더 빠르게 결과를 제공할 수 있다. 대신 프로젝트 팀은 각각의 취약점이 유효한지, 우선순위가 적절한지, 안전하게 수정할 수 있는지를 판단해야 한다.

이번 출시는 Anthropic이 제한적인 보안 연구 프로그램과 유료 엔터프라이즈 스캐닝을 넘어서는 움직임이다. 또한 소프트웨어 방어에 최첨단 모델을 적용하려는 경쟁에서 Anthropic을 OpenAI 및 Google과 나란히 세운다. 경쟁은 더 이상 단순히 버그를 찾는 데 그치지 않는다. 기계가 생성하는 점점 더 많은 발견 사항을 신뢰할 수 있는 패치로 전환하는 일이 핵심이 됐다.

오픈소스 유지관리자에게는 이러한 지원을 받아들일 만한 충분한 이유가 있다. 널리 사용되는 프로젝트는 규모가 작은 팀, 제한된 예산, 확대되는 보안 책임 속에서 운영되는 경우가 많다. 그러나 모든 보고서에 테스트, 공개 여부 결정, 릴리스 조율이 필요하다면 무료 탐지도 실제 비용을 초래할 수 있다.

Anthropic OSS Scanner는 속도를 위해 사람의 검토를 포기한다

Anthropic OSS Scanner는 유지관리자에게 가공되지 않은 AI 결과를 직접 제공하며, 빠른 전달은 최대 장점인 동시에 핵심 위험 요소가 된다.

이 서비스는 옵트인 방식이며, 자격을 갖춘 오픈소스 프로젝트는 무료로 이용할 수 있다. Anthropic은 등록된 리포지토리가 Claude Mythos를 포함한 자사의 가장 강력한 모델로부터 정기 스캔을 받게 된다고 밝혔다.

스캐너 출시 발표에 따르면, 각 보고서에는 독립적으로 실행 가능한 재현 코드, 취약점 설명, 가능한 경우 후보 패치가 포함될 수 있다. 재현 코드는 유지관리자가 의심되는 결함을 유발하고 확인할 수 있게 해주는 간결한 테스트다.

이 형식은 모호한 경고가 수사 작업의 대부분을 수신자에게 되돌려 보낸다는 점에서 중요하다. 실행 가능한 재현 코드는 엔지니어에게 명확한 출발점을 제공한다. 제안된 패치는 탐지에서 해결까지의 경로를 더욱 단축할 수 있다.

프로젝트는 공개 GitHub 리포지토리를 통해 등록한다. 유지관리자는 구성 파일, 빌드 프로세스, 연락처 정보, 선택 사항인 위협 모델이 포함된 풀 리퀘스트를 제출한다.

그런 다음 스캐너는 격리된 가상 머신 안에서 프로젝트를 빌드한다. 분석에 앞서 해당 환경을 인터넷에 연결되지 않은 네트워크로 옮긴다. 발견 사항은 자동으로 공개되지 않고 프로젝트의 지정 연락처로 이메일 발송된다.

등록 안내는 보고서가 전달되기 전에 사람의 검토를 거치지 않는다고 명시한다. Anthropic은 또한 이러한 발견 사항에 표준 90일 공개 기한을 적용하거나 공개하지 않을 것이라고 밝혔다.

이 정책은 한 가지 즉각적인 위험을 제한한다. 불확실한 보고서가 의심되는 취약점을 자동으로 노출하거나 공개 기한을 시작하지는 않는다. 유지관리자는 검증, 해결, 이후의 보안 권고 공개에 대한 통제권을 유지한다.

그러나 기밀성만으로 검증 문제를 해결할 수는 없다. 모델은 실제 코딩 결함을 식별하면서도 도달 가능성, 심각도 또는 실질적 영향을 잘못 판단할 수 있다. 또한 한 경로를 막는 대신 다른 곳의 예상 동작을 바꾸는 패치를 제안할 수도 있다.

Anthropic은 이러한 가능성을 공개적으로 인정한다. 회사는 이 서비스를 검토되지 않은 결과를 처리할 역량이 있는 프로젝트를 위한 선택적 고속 경로로 설명한다. 그 역량이 없는 프로젝트는 Anthropic의 조율된 공개 워크플로에 남을 수 있으며, 이 경우 사람 검토자가 결과를 전달하기 전에 검토한다.

그 결과 사실상 두 개의 경로가 형성된다. 한 경로는 검토 품질과 통제된 공개를 강조한다. 다른 경로는 빈도와 속도를 강조하며, 유지관리자가 분류에 더 많은 책임을 진다.

Anthropic은 초기 버전을 수십 개 프로젝트와 함께 검증했다고 밝혔다. 이 공개 과정에서 수백 건의 보고서가 나왔으며, 여기에는 인증 없이 가능한 원격 코드 실행 체인을 구성한 것으로 알려진 결함도 포함됐다.

회사는 또한 침투 테스터에게 48개 프로젝트를 대상으로 한 심각도 높음 및 치명적 수준의 발견 사항 97건을 검토하도록 요청했다. Anthropic에 따르면 85건, 즉 88%가 조율된 공개 기준을 충족했다. 나머지 11건은 실제 문제였지만 이미 알려진 이슈 또는 동일 스캔에서 나온 중복 발견 사항이었고, 1건은 유효하지 않았다.

이 결과는 고무적이지만 Anthropic 자체 검증에서 나온 것이다. 서로 다른 언어, 빌드 시스템, 아키텍처 또는 프로젝트 규모 전반에서 이 서비스가 어떻게 작동할지를 입증하지는 못한다.

또한 이는 원시 정확도가 불완전한 척도인 이유를 보여준다. 중복 보고서는 실제 결함을 설명할 수 있지만, 그럼에도 부족한 유지관리자 시간을 소모한다. 심각도 등급이 부풀려진 유효 보고서 역시 프로젝트의 릴리스 우선순위를 흔들 수 있다.

따라서 이 서비스는 탐지 속도 이상의 변화를 만든다. 운영상 판단의 첫 번째 방어선을 Anthropic의 보안 팀에서, 이미 영향을 받은 코드를 책임지고 있는 사람들에게로 옮긴다.

이번 출시는 연구 프로그램을 공개 인프라로 전환한다

OSS Scanner는 Anthropic의 기존 취약점 연구를 더 많은 유지관리자가 직접 요청할 수 있는 정기 서비스로 바꾼다.

이 스캐너는 핵심 소프트웨어를 대상으로 고급 모델을 활용하기 위한 Anthropic의 제한적 프로그램인 Project Glasswing에서 출발했다. Anthropic은 2026년 4월 기술 기업, 보안 공급업체, 오픈소스 조직과 함께 이 이니셔티브를 소개했다.

출시 그룹에는 Amazon Web Services, Apple, Broadcom, Cisco, CrowdStrike, Google, Linux Foundation, Microsoft, Nvidia, Palo Alto Networks가 포함됐다. Anthropic은 추가로 40개 이상의 조직에 접근 권한을 확대했다.

Anthropic은 최대 1억 달러 규모의 모델 사용 크레딧과 오픈소스 보안 조직을 위한 400만 달러의 기부를 약속했다. 이 프로그램은 선택된 방어 담당자에게 고급 취약점 탐지 및 익스플로잇 기능을 갖춘 모델인 Claude Mythos Preview의 조기 접근 권한을 제공했다.

이 통제된 구조는 두 가지 목표를 수행했다. 방어 담당자는 모델에 조기 접근할 수 있었고, Anthropic은 공격 작전에도 활용될 수 있는 기능의 광범위한 제공을 제한했다.

보고된 발견 사항의 규모는 곧 다른 문제를 만들었다. Anthropic은 5월 업데이트에서 약 50개 파트너가 심각도 높음 또는 치명적 취약점 1만 건 이상을 발견했다고 밝혔다. 이 수치는 독립 감사가 아닌 회사 자체 보고 총계였다.

Anthropic의 Glasswing 업데이트는 주된 병목이 발견 단계에서 검증, 공개, 패치로 옮겨갔다고 주장했다. 다시 말해 모델이 인간이 안전하게 처리할 수 있는 속도보다 더 빠르게 잠재적 발견 사항을 만들고 있었다.

OSS Scanner는 모든 보고서를 Anthropic 자체 검토자가 검토할 필요 없이 접근성을 넓히려는 시도다. 이 서비스는 옵트인 경계를 유지하면서 처리량을 제한했던 중앙 검토 단계를 제거한다.

이 변화는 스캐너를 일회성 연구 활동과 구분한다. 연구팀은 리포지토리를 선택하고, 스캔 시점을 통제하며, 주목할 만한 발견 사항에 집중할 수 있다. 정기 서비스는 다양한 프로젝트를 지원하고 모든 유지관리자의 워크플로를 알지 못한 채 유용한 결과를 제공해야 한다.

Anthropic은 2026년 10월까지 조율된 공개 절차를 통해 6,000건 이상의 보고서를 검토했다. 수동 검토는 프로젝트를 오탐으로부터 보호하는 데 도움이 됐지만, 일부 공개를 지연시키기도 했다.

일부 유지관리자는 검토되지 않은 결과를 포함해 자신의 프로젝트와 관련된 모든 발견 사항을 Anthropic에 요청한 것으로 알려졌다. OSS Scanner는 자체 분류를 수행할 의향이 있는 팀을 위해 이 방식을 공식화한다.

초기 피드백은 일부 팀이 왜 이러한 절충안을 받아들였는지 보여준다. WolfSSL은 받은 74건의 보고서 중 72건이 유효했으며, 그중 5건이 할당된 취약점이 됐다고 밝혔다. PostgreSQL은 여러 제안된 수정안이 소수의 변경만으로 사용할 수 있었다고 보고했다.

OpenSSL의 Anton Arapov는 이 보고서를 약 18개월 전 받은 훨씬 낮은 품질의 AI 제출물과 대조했다. 그는 특히 작동하는 익스플로잇이 포함된 경우 Anthropic의 원시 결과가 때로는 사람의 보고서와 맞먹거나 이를 능가했다고 말했다.

Curl 유지관리자 Daniel Stenberg는 이 스캐너가 최근 수년간 가장 심각한 curl 보고서 중 하나를 포함해 대응할 가치가 있는 여러 문제를 찾았다고 밝혔다. 이러한 사례는 선별된 초기 참가자에게서 나온 것이므로 대표적인 벤치마크로 간주해서는 안 된다.

그럼에도 이는 발견 사항과 함께 증거를 패키징하는 실질적 가치를 보여준다. 유지관리자에게 필요한 것은 의심스러운 코드를 식별하는 AI 시스템만이 아니다. 문제를 재현하고, 영향을 받는 버전을 평가하며, 안전한 릴리스를 준비하기에 충분한 맥락이 필요하다.

바로 이 지점에서 체계적인 엔지니어링 지식 베이스가 유용해진다. 팀은 보고서를 아키텍처 노트, 이전 수정 사항, 소유권 기록, 릴리스 결정과 연결해야 한다.

OSS Scanner는 그러한 제도적 지식을 대체하지 않는다. 다만 잠재적으로 훨씬 많은 양으로 또 하나의 입력을 제공한다.

오픈소스 유지관리자가 새로운 보안 병목이 된다

이 서비스는 취약점을 찾는 비용을 낮추지만, 수정 사항을 검증하고 배포하는 데 필요한 사람의 작업을 없애지는 않는다.

취약점 보고서는 끝이 아니라 과정의 시작이다. 유지관리자는 동작을 재현하고, 영향을 받는 버전을 식별하며, 악용 가능성을 평가하고, 제안된 패치가 회귀를 유발하는지 확인해야 한다.

또한 다운스트림 배포업체와 비공개로 조율해야 할 수도 있다. 널리 사용되는 라이브러리는 운영체제, 클라우드 서비스, 애플리케이션, 임베디드 제품에 포함될 수 있다. 준비 없이 패치를 릴리스하면 사용자가 업데이트하기 전에 공격자에게 경고를 줄 수 있다.

대형 공급업체는 이러한 작업을 담당하는 보안 대응 팀을 운영한다. 많은 오픈소스 프로젝트는 기능 개발, 지원 요청, 빌드 실패, 커뮤니티 거버넌스까지 이미 처리하고 있는 소수의 유지관리자에게 의존한다.

Anthropic의 스캐너는 그 결과를 처리할 충분한 역량을 갖춘 프로젝트를 대상으로 한다. 보고서가 팀이 평가할 수 있는 속도보다 빠르게 쌓이면 스캔 빈도는 해로워질 수 있으므로, 이 자격 요건은 중요하다.

고품질 보고서에도 처리 비용은 따른다. 누군가는 이를 담당하고, 지원되는 환경 전반에서 테스트하며, 릴리스된 버전에 영향을 주는지 결정하고, 해결 과정을 문서화해야 한다.

자동화된 패치는 또 다른 검토 의무를 만든다. 변경 사항은 근본 취약점을 해결하지 못한 채 제공된 개념 증명만 차단할 수 있다. 또한 호환성을 깨뜨리거나 성능을 낮추거나 코드베이스 다른 곳의 가정을 위반할 수 있다.

모델이 완전한 운영 맥락을 갖지 못할 때 위험은 더 커진다. 리포지토리 접근은 코드와 테스트를 드러낼 수 있지만, 모든 배포 패턴이나 다운스트림 수정 사항을 포착하지는 못할 수 있다.

위협 모델은 그 격차를 줄일 수 있다. Anthropic은 프로젝트가 보안 경계, 신뢰할 수 있는 입력, 중요한 자산을 설명하는 위협 모델 파일을 제공할 수 있게 한다. 그러나 정확한 위협 모델을 유지하는 일 자체도 지속적인 작업이다.

보고서 우선순위 지정도 비슷한 과제를 제시한다. 치명적으로 분류된 결함이 실제로는 소수의 사용자만 활성화하는 구성에서만 필요할 수 있다. 더 낮게 평가된 문제는 일반적으로 노출되는 구성 요소에 위치하기 때문에 더 중요할 수 있다.

Anthropic은 자사 보고서에 부정확한 심각도 등급이 포함될 수 있다고 밝혔다. 이는 프로젝트가 모델의 레이블을 그대로 릴리스 우선순위로 전환할 수 없음을 의미한다.

중복도 주의가 필요하다. Anthropic의 검증에서는 이미 알려진 문제나 다른 스캔 결과와 중복되는 실제 이슈 11건이 확인됐다. 규모가 커지면 반복된 변형 사례가 개별 조치 과제를 뜻하지 않으면서도 백로그가 늘어나는 것처럼 보이게 할 수 있다.

프로젝트에는 중복 제거 규칙, 담당 경로, 명확한 종료 기록이 필요하다. 새로운 취약점과 기존 근본 원인이 다른 방식으로 드러난 사례를 구분해야 한다.

스캐너의 격리 모델은 별도의 우려를 다룬다. 온라인에서 빌드한 뒤 인터넷 접속 없이 스캔하면 모델이 제어하는 환경이 외부 시스템에 도달할 수 있는 범위가 제한된다. 그렇다고 공급망이나 빌드 시점의 모든 위험이 사라지는 것은 아니다.

프로젝트의 Dockerfile과 의존성은 여전히 빌드 환경으로 유입되는 요소를 결정한다. 유지관리자는 지속적 통합 워크플로에 적용하는 것과 같은 수준의 주의로 등록 구성을 검토해야 한다.

따라서 가장 유용한 도입 신호는 발견 건수가 아니라 완료된 조치다. 수천 건의 그럴듯한 이슈를 찾아내는 스캐너라도 프로젝트가 이를 검증하고 종결할 수 없다면 운영 측면에서는 실패할 수 있다.

이것이 이번 출시가 보여주는 핵심적인 역전이다. AI는 코드 검색의 한계 비용을 낮추지만, 책임감 있는 보안 판단을 내릴 수 있는 유지관리자의 상대적 가치는 높인다.

OpenAI와 Google은 신뢰할 수 있는 패치에 이르는 경로를 두고 경쟁한다

Anthropic의 진정한 경쟁 상대는 가장 긴 경고 목록을 생성하는 스캐너가 아니라 발견, 검증, 조치를 결합하는 시스템이다.

OpenAI는 2026년 3월 Codex Security를 리서치 프리뷰로 출시했다. 이 애플리케이션 보안 에이전트는 리포지토리의 맥락을 구축하고, 의심되는 취약점을 조사하며, 수정안을 제안한다.

OpenAI는 자동화된 검증과 낮은 노이즈의 결과를 강조한다. 보안팀이 취약한 경고를 걸러내는 데 대부분의 시간을 쓰지 않고도 대응할 수 있는 결과를 제시하는 것이 회사가 밝힌 목표다.

이 회사는 오픈소스 유지관리자를 Codex for OSS에도 참여시켰다. 이 프로그램은 보안 지원과 코딩 도구 접근 권한을 제공한다.

8월에 OpenAI는 Codex Security Cloud가 3만 개 이상의 코드베이스에서 3,000만 건 이상의 커밋을 분석했다고 밝혔다. 더 광범위한 Daybreak 이니셔티브는 리포지토리 스캔을 풀 리퀘스트 검토, 정기 점검, 이슈 조사 및 기존 보안 시스템과 연결한다.

따라서 Codex Security preview는 Anthropic의 접근 방식에 맞서는 더 통합적인 경쟁자로 볼 수 있다. 두 회사 모두 자사 모델이 알려진 패턴을 단순히 대조하는 데 그치지 않고 코드 전반을 추론할 수 있다고 주장한다.

Google은 Big Sleep과 CodeMender를 통해 관련 전략을 추진하고 있다. Big Sleep은 소프트웨어 취약점 발견에 집중하며, CodeMender는 Gemini의 추론 능력을 활용해 수정안을 개발하고 검증한다.

Google에는 OSS-Fuzz라는 오랜 오픈소스 보안 선례도 있다. 이 서비스는 프로그램에 비정상적인 입력을 지속적으로 제공해 충돌과 안전하지 않은 동작을 찾아내는 퍼징을 적용한다.

Anthropic은 OSS-Fuzz를 영감의 원천으로 명시적으로 언급한다. 이 비교는 유용하지만, 기반 방법은 다르다. 퍼징은 특정 입력이 실패를 일으킬 때 관찰 가능한 증거를 제공한다. 언어 모델은 단순한 충돌을 일으키지 않는 더 광범위한 로직, 권한 및 데이터 흐름을 추론할 수 있다.

이처럼 범위가 넓어지면 해석상의 불확실성도 커진다. 모델은 미묘한 권한 부여 경로를 추적할 수 있지만, 그 결론은 여전히 프로젝트의 실제 보안 맥락에서 확인되어야 한다.

Google의 AI 위협 연구도 이러한 제품을 둘러싼 이중 용도 압박을 부각한다. Google은 AI로 개발됐다고 판단한 제로데이 익스플로잇을 사용하는 공격자를 식별했다고 보고했다.

Anthropic도 같은 전략적 주장을 펼친다. 고급 모델이 익스플로잇을 더 빠르게 만든다면, 공격자가 수정되지 않은 약점을 악용하기 전에 방어자에게도 이에 상응하는 접근 권한이 필요하다는 것이다.

공급업체들은 이 이점을 제공하는 방식에서 차이를 보인다. Anthropic은 등록된 프로젝트에 가장 강력한 모델의 결과를 직접적이고 정기적으로 제공한다. OpenAI는 리포지토리 맥락과 검증을 강조한다. Google은 발견을 자동화된 수정 및 기존 보안 인프라와 연결한다.

아직 공개된 증거는 어느 한 접근 방식이 오픈소스 프로젝트 전반에서 일관되게 우수하다는 점을 입증하지 못한다. 공급업체별 수치는 범위, 정의, 심각도 체계 및 검토 절차가 서로 다르다.

발견 건수에는 중복, 도달할 수 없는 코드, 이미 알려진 문제 또는 할당된 취약점으로 이어지지 않는 결함이 포함될 수 있다. 패치 건수 역시 유지관리자가 거부했거나 대폭 다시 작성한 변경 사항을 가릴 수 있다.

신뢰할 수 있는 경쟁 지표는 유지관리자를 압도하지 않으면서 승인된 수정으로 이어지는, 서로 구별되는 유효한 취약점의 수다. 최초 보고부터 안전한 릴리스까지 걸리는 시간도 그만큼 중요하다.

이 경쟁은 명확한 승자가 없더라도 궁극적으로 오픈소스 프로젝트에 도움이 될 수 있다. 여러 시스템이 서로 다른 추론 경로로 동일한 중요한 코드를 살펴볼 수 있다. 독립적인 발견은 신뢰도를 높이거나 다른 스캐너의 범위에 있는 공백을 드러낼 수 있다.

다만 병렬 스캐너는 중복 제출도 늘릴 수 있다. 제공업체는 공개 관행을 조율하고 프로젝트별 보고 규칙을 존중해야 한다.

AI 보안의 다음 단계에서는 이러한 운영 경계를 이해하는 도구가 보상받게 될 것이다. 버그를 찾는 일은 가치 있다. 책임 있는 팀이 안전하게 문제를 종결하도록 돕는 일은 더 어려운 제품 과제다.

무료 스캔이 비용과 위험이 없다는 뜻은 아니다

OSS Scanner는 프로젝트가 AI 출력을 권위 있는 보안 판정이 아니라 구조화된 증거로 다룰 수 있을 때 가장 유용하다.

이 서비스의 가장 강력한 장점은 명확하다. 유지관리자는 그렇지 않았다면 상당한 컴퓨팅 자원과 보안 전문성이 필요했을 모델에 정기적으로 접근할 수 있다.

보고서는 기존 테스트, 정적 분석기, 퍼저 및 사람의 검토가 놓친 결함을 드러낼 수 있다. 재현 코드는 확인을 앞당길 수 있고, 후보 패치는 수정 방안을 탐색하는 데 필요한 시간을 줄일 수 있다.

서비스의 비공개 전달 모델은 프로젝트에 조사 여지도 제공한다. Anthropic은 원시 발견 결과를 공개하지 않을 것이라고 밝혔으며, 이는 자동 공개 기한으로 인한 압박을 줄인다.

하지만 몇 가지 불확실성은 남아 있다. 첫째, Anthropic은 언어, 리포지토리 규모 또는 취약점 범주에 따라 정확도가 어떻게 달라지는지 보여줄 만큼 충분한 운영 데이터를 공개하지 않았다.

보고된 88%의 조율된 공개 수용률은 선별된 심각도 높음 및 치명적 발견 97건을 대상으로 한다. 일반적인 스캔 과정에서 생성되는 모든 발견을 측정하는 것은 아니다.

둘째, 모델 개선은 스캐너의 동작을 바꿀 수 있다. 더 새로운 모델은 더 깊은 결함을 찾아내거나, 더 많은 보고서를 생성하거나, 다른 심각도 판단을 적용할 수 있다. 프로젝트에는 스캐너 버전 간 결과를 비교할 방법이 필요하다.

셋째, 원시 모델 출력은 보안상 민감한 오류를 만들 수 있다. 결함 있는 재현 코드는 주장된 이슈를 입증하지 못할 수 있다. 제안된 패치는 근본적인 익스플로잇 경로를 제거하지 않은 채 한 가지 증상만 억제할 수 있다.

넷째, 보고서 자체에도 민감한 정보가 담겨 있다. 이메일 전달은 편리하지만, 프로젝트는 악용 단계와 영향을 받는 코드 경로를 포함한 메시지에 대한 접근을 통제해야 한다.

유지관리자는 발견 결과를 제한된 보안 절차로 전달해야 한다. 또한 연락처 주소를 검증하고, 의사결정을 보관하며, 보고서를 수용하거나 거부한 이유를 문서화해야 한다.

다섯째, 이 서비스는 Anthropic의 지속적인 자금 지원과 운영 선택에 의존하게 만든다. Defender Advantage Fund는 현재 무료 제공을 지원하지만, 회사는 영구적인 이용 가능성을 약속하지 않았다.

따라서 “무료”라는 표현은 서비스 요금이 없다는 뜻이다. 유지관리자 시간, 테스트 인프라, 조율된 릴리스 또는 하위 사용자 통지 작업까지 포함하지는 않는다.

더 넓은 거버넌스 문제도 있다. Anthropic은 모델을 운영하고, 스캔 방식을 선택하며, 초기 성능 평가를 수행한다. 독립 연구자와 참여 프로젝트는 시간이 지나면서 이러한 주장을 검증해야 한다.

유용한 공개 증거에는 익명화된 정밀도 데이터, 중복률, 패치 수용률 및 중앙값 조치 시간이 포함될 수 있다. 프로그래밍 언어와 취약점 클래스별 세분화는 이 수치를 더 의미 있게 만들 것이다.

프로젝트는 취약점이 수정된 뒤 자체 평가를 공개할 수도 있다. 이러한 사례는 스캐너가 잘 작동하는 영역과 여전히 인간 조사자가 대부분의 작업을 수행하는 영역을 보여줄 수 있다.

이러한 우려가 서비스 자체를 본질적으로 안전하지 않게 만드는 것은 아니다. 이는 책임 있는 사용을 위한 조건을 설정한다.

프로젝트는 비공개 보고 절차, 검토 가능한 인력, 신뢰할 수 있는 테스트 및 릴리스를 조율할 권한이 있을 때 등록해야 한다. 이러한 자원이 없는 프로젝트는 Anthropic의 사람이 검토하는 공개 경로에서 더 큰 이점을 얻을 수 있다.

선택지는 AI를 받아들이느냐 보안을 무시하느냐의 문제가 아니다. 서로 다른 검토 부담, 전달 속도 및 신뢰 수준 가운데 선택하는 문제다.

Anthropic OSS Scanner의 성과를 보여줄 세 가지 신호

향후 몇 달은 헤드라인을 장식하는 취약점 총계가 아니라 승인된 수정, 유지관리자 역량 및 경쟁적 검증으로 평가해야 한다.

첫 번째 신호는 보고서에서 승인된 패치로 전환되는 비율이다. 초기 사용 후기는 일부 프로젝트가 사용할 수 있는 수정안을 받았음을 시사하지만, 더 광범위한 운영 결과가 더욱 중요하다.

설득력 있는 기록은 서로 구별되는 취약점과 중복을 분리할 것이다. 또한 유지관리자가 후보 패치를 얼마나 수용, 수정, 거부 또는 대체했는지도 보여줄 것이다.

프로젝트가 미해결 보안 백로그를 늘리지 않고도 의미 있는 취약점을 더 빠르게 종결한다면, 이 신호는 Anthropic의 주장을 강화한다. 검토되지 않은 보고서가 상당한 분류 대기열을 만든다면 그 주장은 약화된다.

두 번째 신호는 확립된 오픈소스 프로젝트 사이에서의 도입이다. 등록 풀 리퀘스트는 눈에 보이는 지표를 제공하지만, 리포지토리 수만으로는 전체 상황을 알 수 없다.

처리해야 할 물량이 관리하기 어려워지면 프로젝트는 스캔을 중단할 수 있다. 공개 구성은 비활성화 상태를 지원하므로, 참여 팀이 정기 보고서를 중단해야 하는지를 보여줄 수 있다.

유지관리자 의견은 특히 가치가 크다. 팀은 발견 결과에 충분한 증거가 담겼는지, 심각도 레이블이 유용했는지, 패치가 검토 절차를 통과했는지를 설명할 수 있다.

프로젝트가 첫 번째 묶음의 결과를 처리한 뒤에도 계속 스캔을 받는다면, 도입은 Anthropic의 모델을 강화할 것이다. 일회성 실험 뒤 광범위한 중단이 이어진다면 해결되지 않은 업무량 문제가 있음을 시사한다.

세 번째 신호는 OpenAI, Google 및 기존 보안 도구와의 독립적 비교다. 동일한 리포지토리에서 충분한 공개 사례가 나와야 적용 범위와 보고서 품질의 차이를 드러낼 수 있다.

공정한 비교는 원시 총계에 의존할 수 없다. 연구자에게는 매칭된 프로젝트, 공통 심각도 정의 및 유지관리자의 확인이 필요하다.

서로 다른 AI 시스템이 독립적으로 구별되는 유효한 버그를 찾아낸다는 증거는 다중 도구 보안 전략을 뒷받침할 것이다. 중복이 많다는 증거는 공동 보고 및 조율 시스템에 대한 압박을 높일 것이다.

경쟁 대응도 중요하다. OpenAI는 유지관리자를 위한 무료 보안 지원을 확대할 수 있다. Google은 CodeMender를 OSS-Fuzz 및 오픈소스 프로젝트 워크플로와 더 밀접하게 연결할 수 있다.

Anthropic은 장기적인 스캐너 데이터를 공개하고 자동화된 검증을 강화함으로써 입지를 개선할 수 있다. 또한 프로젝트의 중복 제거, 우선순위 지정, 테스트 및 수정 추적을 돕는 도구를 추가할 수 있다.

회사는 이미 분류와 패치 작업의 자동화를 다음 단계로 지목했다. 이 작업은 OSS Scanner가 발견 엔진으로 남을지, 완전한 조치 시스템의 일부가 될지를 결정할 것이다.

Anthropic OSS Scanner는 공격자들이 같은 이점을 얻기 전에 오픈소스 유지보수자들에게 고성능 모델을 제공하겠다는 신뢰할 만한 제안으로 출발한다. 더 어려운 시험대는 첫 번째 보고서가 도착한 이후에 시작된다.

참여를 고려하는 유지보수자들은 먼저 비공개 공개 절차, 검토 역량, 테스트 커버리지, 릴리스 권한을 평가해야 한다. 그다음 생성된 경보가 아니라 해결된 취약점을 측정해야 한다. Anthropic이 소규모 팀을 과도한 보고서로 압도하지 않으면서 프로젝트가 안전한 수정 사항을 더 빠르게 배포하도록 도울 수 있다면, 무료 AI 스캐닝은 가치 있는 인프라가 될 것이다. 검증이 여전히 가장 큰 비용으로 남는다면, 업계는 이 스캐너가 드러낸 인간적 병목을 여전히 해결해야 할 것이다.