Microsoft AI 취약점 무기화, 패치 주기를 앞질러
Microsoft는 AI를 활용한 취약점 무기화가 이제 24시간보다 훨씬 짧은 시간 안에 이뤄지는 반면, 조직이 심각한 외부 노출 취약점을 해결하는 데는 대개 30~60일이 걸린다고 밝혔다. 이 불일치는 기존 보안 문제를 대부분의 패치 프로그램이 애초에 이기도록 설계되지 않은 경쟁으로 바꿔 놓는다.
Microsoft의 2026 Digital Defense Report는 취약점 조사와 정찰부터 피싱, 익스플로잇 개발, 침해 이후 활동에 이르기까지 공격 사슬 전반으로 AI가 확산되고 있다고 설명한다. Microsoft는 또한 시스템이 인간 운영자를 보조하는 단계에서 공격 일부를 지시하고 자율적으로 수행하는 단계로 발전하는 모습을 관찰했다고 밝혔다.
핵심 갈등은 더 이상 비슷한 수작업 프로세스를 사용하는 공격자와 방어자의 대결이 아니다. 공격자는 수천 개의 표적을 대상으로 조사를 자동화할 수 있지만, 각각의 방어자는 고유한 환경 전반에서 변경 사항을 테스트하고, 일정을 잡고, 안전하게 배포해야 한다. AI는 공격자의 작업을 압축하지만 방어자를 늦추는 운영상 제약을 없애지는 않는다.
Microsoft, 무기화 시간을 24시간 미만으로 제시
보고서에서 가장 중대한 발견은 익스플로잇 개발 시간과 기업의 대응 시간 사이 격차가 커지고 있다는 점이다.
Microsoft는 10월 1일 2026년 defense report를 공개했다. 이 보고서는 실제 환경에서 취약점이 발견된 시점부터 무기화되기까지의 중앙값이 24시간보다 훨씬 짧아졌다고 밝혔다.
무기화란 소프트웨어 약점에 대한 지식을 공격에 사용할 수 있는 형태로 전환하는 것을 뜻한다. 여기에는 작동하는 익스플로잇 코드, 자동화된 스캐닝, 피싱 유인책 또는 노출된 시스템을 겨냥하는 침입 워크플로가 포함될 수 있다.
이 수치는 모든 취약점이 하루 안에 악용 가능해진다는 의미는 아니다. 이는 Microsoft가 측정한 활동 전반의 중앙값이며, 공개 보고서는 정확한 시간 수치를 제공하지 않는다. 또한 해당 수치의 전체 표본, 분포 또는 방법론도 공개하지 않는다.
이러한 한계는 취약점마다 공격자에게 요구하는 노력 수준이 크게 다르기 때문에 중요하다. 공개적으로 문서화된 인증 우회 취약점은 신뢰할 수 있는 익스플로잇 체인이 필요한 복잡한 메모리 안전성 취약점과 동일하지 않다.
그럼에도 방향성의 변화는 무시하기 어렵다. AI는 공개된 취약점 정보를 검토하고, 취약한 코드와 패치된 코드를 비교하며, 가능성 높은 진입 지점을 식별하고, 개념증명 코드를 작성할 수 있다. 이후 인간 운영자가 결과물을 검증하거나 수정할 수 있다.
Microsoft는 2026년 상반기에 약 4만 건의 Common Vulnerabilities and Exposures, 즉 CVE가 공개됐다고 밝혔다. CVE는 공개된 보안 취약점에 부여되는 표준화된 식별자다. 이 규모라면 2026년 한 해 동안 공개되는 취약점 수는 대략 두 배에 이를 전망이다.
더 많은 발견이 곧 소프트웨어 품질의 붕괴를 의미하는 것은 아니다. AI 지원 분석은 이미 존재했지만 이전 테스트에서 발견되지 않았던 결함을 드러낼 수 있다. 그러나 즉각적인 운영상 영향은 같다. 보안팀은 더 큰 대기열을 평가해야 하는 반면, 공격자는 동일한 공개 정보를 더 빠르게 분석할 수 있다.
Microsoft의 동반 security analysis는 AI가 공격 사슬의 일부를 며칠에서 수초 단위로 압축하고 있다고 설명한다. 또한 공격자들이 속도, 규모, 일관성을 높이기 위해 자동화를 점점 더 많이 사용한다고 전했다.
이 가속화는 이 글의 핵심 긴장을 만든다. 패치를 공개하면 방어 프로세스가 시작되지만, 동시에 공격자에게 결함의 지도를 제공할 수도 있다. AI는 그 지도에서 유용한 정보를 추출하는 비용과 시간을 줄인다.
패치 주기는 더 느린 경쟁을 위해 만들어졌다
24시간의 악용 가능 시간은 티켓, 유지보수 창, 테스트, 수동 승인을 통해 여전히 운영되는 대응 체계와 충돌한다.
Microsoft는 조직이 인터넷에 노출된 시스템의 심각한 취약점을 해결하는 데 30~60일이 걸릴 수 있다고 밝혔다. 이러한 시스템에는 게이트웨이, ID 서비스, 웹 애플리케이션, 원격 액세스 제품 및 인터넷에서 접근할 수 있는 기타 자산이 포함된다.
지연이 언제나 단순한 방치는 아니다. 팀은 어떤 자산이 영향을 받는지 식별하고, 업데이트를 확보하며, 애플리케이션 호환성을 테스트하고, 중단 시간을 조율한 뒤 변경이 제대로 작동했는지 확인해야 한다. 성급한 업데이트는 수익 시스템이나 필수 서비스에 장애를 일으킬 수 있다.
대규모 조직은 분절된 소유권 문제도 안고 있다. 보안팀은 취약한 서버를 발견하더라도 그 애플리케이션, 예산 또는 유지보수 일정을 통제하지 못할 수 있다. 자산 인벤토리는 잊힌 시스템, 임시 클라우드 서비스, 계약업체가 관리하는 제품을 놓칠 수 있다.
공격자가 지는 의무는 더 적다. 가동 시간을 유지하거나 변경 검토를 통과하거나 모든 표적의 안정성을 확인할 필요가 없다. 광범위하게 스캔하고, 실패한 시도를 감수하며, 노출된 상태로 남아 있는 소수의 시스템에 집중할 수 있다.
이러한 비대칭성은 생성형 AI 이전에도 존재했다. Microsoft AI 취약점 무기화는 공격 초기 단계에 필요한 전문성과 시간을 자동화가 줄이기 때문에 이를 관리하기 더 어렵게 만든다.
AI 시스템은 기술 권고문을 요약하고, 공개 코드를 검색하며, 가능성 높은 공격 경로를 제안하고, 테스트용 변형을 생성할 수 있다. 정찰을 수행하거나 노출된 서비스를 조사하는 도구를 조율할 수도 있다. 특히 문서화되지 않은 경로나 특이한 환경이 명백한 경로를 막을 때는 숙련된 운영자의 역할이 여전히 중요하다.
이 구분은 자율형 에이전트가 숙련된 해커를 대체했다는 과장된 주장으로 이 이야기가 흐르는 것을 막는다. Microsoft는 완전 자율 공격이 아직 일반적이지 않다고 밝혔다. 공식 threat summary는 현재의 악의적 사용이 기존 워크플로의 특정 부분에 집중돼 있다고 설명한다.
그럼에도 압박은 공개 인프라를 보유한 모든 조직에 미친다. 30일 내 패치하는 팀은 내부 목표를 충족할 수 있지만, 무기화가 시작된 뒤 거의 전체 기간 동안 노출된 상태로 남을 수 있다.
전통적인 심각도 점수도 단독으로 다룰 때는 유용성이 떨어진다. 기술적으로 심각한 취약점도 여러 통제 장치 뒤에 있으면 실질적 위험이 제한적일 수 있다. 반대로 심각도가 낮은 취약점도 악용 정황이 나타나고 노출된 자산이 민감한 시스템으로 가는 직접 경로를 제공하면 긴급해질 수 있다.
불가피한 대응은 일정 기반 패치에서 노출 기반 완화로의 전환이다. 방어자는 어떤 취약 자산이 접근 가능한지, 어떤 권한을 제공하는지, 실제 악용이 발생하는지, 그리고 어떤 임시 통제가 즉시 접근을 줄일 수 있는지를 알아야 한다.
패치는 여전히 필요하다. 달라진 점은 영구적인 패치가 더 이상 빠르게 전개되는 공개 취약점 정보에 대한 첫 번째이자 유일한 대응이 될 수 없다는 것이다.
Microsoft AI 취약점 무기화가 공격 사슬을 바꾸는 방식
AI가 중요한 이유는 이전에는 반복적인 인간 인계가 필요했던 단계들 전반에서 조사, 의사결정, 실행을 연결하기 때문이다.
취약점 발견은 침입의 한 부분일 뿐이다. 공격자는 대개 표적을 찾고, 구성을 이해하며, 익스플로잇을 구축하거나 조정하고, 접근 권한을 얻고, 권한을 상승시키며, 가치 있는 데이터를 찾고, 통제권을 유지해야 한다.
Microsoft는 위협 행위자들이 취약점 발견, 정찰, 사회공학, 악성코드 및 익스플로잇 개발, 데이터 분석, 침해 이후 작업 전반에 AI를 적용하고 있다고 밝혔다. 각각의 활용은 워크플로의 다른 부분을 단축할 수 있다.
모델이 공개 기록, 소프트웨어 지문, 유출된 자격 증명, 기술 문서를 정리할 수 있으면 정찰은 더 쉬워진다. 이는 새로운 정보를 만들어내지는 않지만, 흩어진 사실을 연결하는 데 필요한 노동을 줄일 수 있다.
AI가 보안 업데이트와 이전 코드를 비교하면 익스플로잇 개발이 가속될 수 있다. 모델은 변경된 함수를 식별하고, 근본적인 약점을 추론하며, 취약한 경로에 도달하는 입력값을 제안하는 데 도움을 줄 수 있다.
이 과정은 때때로 보안 관련 변경 사항을 찾기 위해 소프트웨어 버전을 비교한다는 뜻의 patch diffing이라고 불린다. 공격자들은 수년간 이를 사용해 왔다. AI는 이와 관련된 읽기, 분류, 코드 생성 작업을 더 많이 자동화할 수 있다.
사회공학은 다른 이점을 얻는다. 생성형 시스템은 설득력 있는 메시지를 작성하고, 문체를 모방하며, 유인책을 번역하고, 표적의 역할에 맞게 콘텐츠를 조정할 수 있다. 공격자는 대규모 팀을 고용하지 않고도 다양한 변형을 시험할 수 있다.
침해 이후 분석도 빨라진다. 시스템 내부에 진입한 뒤 AI 지원 운영자는 파일을 분류하고, 스크립트를 해석하며, 구성 데이터를 요약하고, 다음 명령을 추천할 수 있다. 이러한 역량은 초기 접근과 중대한 행동 사이의 공백을 줄일 수 있다.
Microsoft는 위협 인텔리전스 팀이 앞선 6개월 동안 진전을 관찰했다고 밝혔다. AI는 처음에는 인간 공격자를 보조했지만, 이후 활동을 지시하기 시작했고, 점차 공격의 일부를 자율적으로 수행했다.
보고서는 AI 시스템이 32단계 공격 시퀀스를 완료한 통제된 평가를 인용한다. 이 결과는 에이전트가 실험실 조건에서 긴 워크플로 전반에 걸쳐 방향성을 유지할 수 있음을 보여준다.
그러나 이것이 자율 시스템이 임의의 실제 환경을 신뢰성 있게 침해할 수 있다는 것을 입증하는 것은 아니다. 통제된 평가는 실제 공격보다 표적, 도구, 성공 조건을 더 명확하게 정의한다. 실제 운영 네트워크에는 불완전한 정보, 방어 개입, 예기치 못한 의존성이 존재한다.
Microsoft는 유사한 방법을 방어에 적용하며 대응했다. 이전의 scanning harness는 여러 모델을 사용해 취약점을 찾고 대응을 지원한다. 회사는 이 내부 역량을 고객 제품으로 전환할 계획이라고 밝혔다.
이는 자동화된 공격과 자동화된 방어 간의 직접적인 경쟁을 만든다. 양측 모두 모델을 활용해 코드를 검사하고, 발견 사항의 우선순위를 정하며, 도구를 조율할 수 있다. 승패는 단순히 성능 좋은 모델에 대한 접근 여부가 아니라 배포 속도, 맥락, 권한, 검증에 따라 결정된다.
공격자는 많은 표적을 대상으로 다시 시도할 수 있으므로 신뢰할 수 없는 결과물도 감수할 수 있다. 방어자는 핵심 시스템을 손상시키는 패치나 자동화된 조치를 피해야 한다. 이처럼 더 높은 신뢰성 요구는 양측이 유사한 기술을 사용하더라도 방어 자동화를 늦출 수 있다.
더 빠른 발견이 더 빠른 방어를 보장하지는 않는다
AI의 보안상 이점은 공급업체가 공개로 인해 더 큰 표적 목록이 생기기 전에 발견 사항을 검증하고 수정할 수 있는지에 달려 있다.
AI 지원 취약점 발견은 결함을 더 일찍 찾아내 소프트웨어 보안을 개선할 수 있다. 공급업체는 공격자가 같은 약점을 식별하기 전에 소스 코드를 스캔하고, 테스트를 생성하며, 의심스러운 함수의 우선순위를 정하고, 수정안을 제안할 수 있다.
문제는 발견량이 대응 역량을 초과할 때 나타난다. 모델은 인간 전문가가 재현, 분류, 수정할 수 있는 속도보다 빠르게 수백 건의 그럴듯한 발견 사항을 생성할 수 있다. 오탐은 시간을 소모하고, 실제 취약점은 늘어나는 백로그에서 대기할 수 있다.
Microsoft는 자체 제품 포트폴리오 내부에서도 이러한 압박에 직면해 있다. 2026년 patching investigation은 AI 지원 연구가 일부 Microsoft 팀이 처리할 수 있는 속도보다 빠르게 보안 발견 사항을 만들어내고 있다고 보도했다.
그러한 긴장이 발견의 가치를 부정하는 것은 아니다. 잠재된 결함을 찾아내면 공급업체는 이를 제거할 기회를 얻는다. 그러나 트리아지, 엔지니어링, 테스트, 배포가 속도를 맞출 때에만 발견은 보안상의 이점이 된다.
같은 제약은 기업 보안팀에도 적용된다. AI는 권고문을 요약하거나 우선순위를 제안할 수 있지만, 모든 비즈니스 의존성을 자동으로 알 수는 없다. 취약한 서비스가 즉각적인 재시작을 허용할 수 없는 오래된 제조 시스템이나 임상 워크플로를 지원할 수도 있다.
방어자는 정보 품질 문제에도 직면한다. 모델이 생성한 익스플로잇 코드는 틀릴 수 있다. 자동화 스캐너는 제품 버전을 잘못 식별할 수 있다. 에이전트는 기술적으로는 유효하지만 해당 조직의 특정 환경에서는 안전하지 않은 조치를 권고할 수 있다.
따라서 사람의 검토는 책임 있는 조치의 일부로 남는다. 목표는 모든 결정에서 사람을 배제하는 것이 아니다. 맥락과 책임성이 중요한 판단에 사람의 주의를 집중하는 것이다.
Microsoft는 보안 프로그램이 완료된 패치 수를 세는 대신 노출 감소와 완화 시간 단축을 측정해야 한다고 주장한다. 이러한 전환은 패치 물량이 부실한 우선순위 설정을 가릴 수 있음을 인정한다.
한 팀은 노출된 ID 서버 하나를 취약한 상태로 남겨둔 채 위험도가 낮은 업데이트 수백 건을 배포할 수 있다. 다른 팀은 최종 패치를 설치하기 전에 공개 접근을 차단하고, 자격 증명을 교체하며, 탐지를 추가하고, 핵심 시스템을 격리할 수 있다. 후자의 대응은 패치 수가 더 적어 보이더라도 즉각적인 위험을 더 빨리 줄인다.
이 접근 방식은 조직이 취약성 인텔리전스를 해석하는 방식도 바꾼다. 공개 CVE 점수는 출발점일 뿐, 완전한 결정 기준은 아니다. 실제 악용 여부, 인터넷 노출성, 이용 가능한 권한, 자산의 중요도, 기존 통제가 실질적인 긴급성을 결정한다.
미국 사이버보안 및 인프라 보안국은 악용 증거가 있는 결함을 대상으로 취약성 카탈로그를 운영한다. 이러한 증거는 팀이 이론적 약점과 공격자가 이미 사용 중인 약점을 구분하는 데 도움을 준다.
그러나 카탈로그는 본질적으로 사후 대응적이다. AI 기반 취약성 무기화는 공개와 관측된 악용 사이의 시간을 줄일 수 있다. 노출된 자산과 그럴듯한 공격 경로가 이미 존재하는 상황에서 조직은 모든 외부 확인을 기다릴 수 없다.
가장 방어 가능한 모델은 자동화와 명시적인 의사결정 경계를 결합하는 방식이다. AI는 증거를 수집하고, 자산을 매칭하며, 완화 조치를 제안하고, 변경 사항을 준비할 수 있다. 의미 있는 운영상 결과를 수반하는 조치는 권한을 가진 사람이 승인해야 한다.
이 보고서의 가장 큰 주장은 여전히 더 많은 근거가 필요하다
Microsoft는 심각한 속도 격차를 지적하지만, 독자가 이를 보편적인 카운트다운으로 받아들이기에는 핵심 중앙값에 대한 공개 세부 정보가 충분하지 않다.
“24시간보다 훨씬 짧다”는 Microsoft가 공개한 무기화 측정치에 대한 가장 구체적인 설명이다. 회사는 공개 요약에서 이 주장에 대한 정확한 중앙값, 표본 규모, 측정 기간 또는 전체 분포를 제공하지 않는다.
이처럼 빠진 세부 정보는 비교를 제한한다. Microsoft가 실제 환경에서의 발견을 어떻게 분류했는지, 무엇을 무기화로 인정했는지, 또는 얼마나 많은 관측치가 공개 개념증명 코드와 관련됐는지는 분명하지 않다.
중앙값은 극단값도 감춘다. 측정된 사례의 절반은 중간점 양쪽에 위치하지만, 일부 취약성은 악용되기까지 수주가 걸릴 수 있다. 반대로 일부는 공급업체가 결함을 이해하기도 전에 이미 사용되고 있을 수 있다.
30~60일 조치 비교도 비슷한 주의가 필요하다. 이는 모든 조직이나 모든 심각한 취약성에 적용되는 보편적 측정치가 아니다. 클라우드 서비스는 때때로 수 시간 내에 완화 조치를 배포할 수 있지만, 규제를 받거나 운영 제약이 있는 환경은 더 긴 테스트가 필요할 수 있다.
그럼에도 두 수치는 신뢰할 만한 구조적 문제를 보여 준다. 공격자는 익스플로잇 지식을 전 세계에 배포할 수 있지만, 각 조직은 변경을 로컬 환경에 적용해야 한다. 자동화는 두 번째 프로세스보다 첫 번째 프로세스를 더 쉽게 개선한다.
Microsoft는 보안을 기계 속도의 경쟁으로 규정하는 데 상업적 이해관계도 갖고 있다. 이 회사는 클라우드 보안, 위협 인텔리전스, ID 보호, 취약성 관리, AI 지원 방어 제품을 판매한다.
상업적 연계가 Microsoft 서비스 전반에서 수집된 텔레메트리의 유효성을 무효화하는 것은 아니다. 다만 독자는 측정된 관측 결과를 제품 권고와 광범위한 전망에서 분리해 판단해야 한다.
Microsoft는 매일 165조 건이 넘는 보안 신호를 처리하고, 평균적인 하루에 3,100만 건의 ID 위험 탐지를 분석하며, 매일 52억 건의 이메일을 검사한다고 말한다. 이러한 범위는 회사에 이례적으로 폭넓은 시야를 제공한다.
하지만 이는 모든 환경에 대한 중립적인 가시성을 제공하지는 않는다. Microsoft 중심 고객, 텔레메트리 설정, 제품 적용 범위, 지역별 도입 수준은 회사가 관측하는 내용에 영향을 줄 수 있다.
자율 에이전트에 관한 증거 역시 비례에 맞는 표현이 필요하다. 시스템이 32단계의 통제된 시퀀스를 완료했다는 사실은 오케스트레이션 역량이 강화되고 있음을 보여 준다. 이는 감독되지 않는 에이전트가 방어 체계를 갖춘 기업을 상대로 완전한 공격을 일상적으로 수행한다는 증거는 아니다.
Microsoft의 자체 보고도 이처럼 더 좁은 해석을 뒷받침한다. 공격자가 문서화되지 않은 경로를 찾아내거나 서로 연결돼 보이지 않는 약점을 결합해야 할 때는 인간의 경험이 여전히 중요하다고 설명한다.
신중한 결론은 AI가 모든 공격자를 자율화했다는 것이 아니다. AI가 공격 단계 전반에서 충분히 많은 노력을 줄여 대응 시간에 관한 느슨한 가정을 무효화한다는 점이다.
조직은 24시간 미만 수치를 모든 CVE를 위한 스톱워치가 아니라 계획 수립 신호로 받아들여야 한다. 올바른 질문은 영구 패치가 완료되기 전에 통제가 노출을 줄일 수 있는지 여부다.
이는 30일 뒤 패치 준수 여부를 측정하는 것보다 더 어려운 기준이다. 정확한 자산 데이터, 지속적인 모니터링, 준비된 격리 옵션, 정기 유지보수 일정 밖에서도 조치할 권한이 필요하다.
누가 경쟁에서 앞서는지를 보여 줄 세 가지 신호
다음 단계는 조치 속도, 자율 공격의 증거, 그리고 방어 에이전트가 운영상 피해 없이 노출을 줄이는지 여부로 측정될 것이다.
첫 번째 신호는 공급업체가 더 투명한 익스플로잇까지의 시간 데이터를 공개하는지 여부다. 정확한 정의, 표본 규모, 분포, 시간에 따른 비교는 Microsoft의 핵심 주장을 강화할 것이다.
더 나은 데이터는 방어자가 전반적인 가속화와 유난히 빠른 사례의 일부를 구분할 수 있게 해 준다. 또한 보안 리더가 서로 다른 취약성 유형에 현실적인 대응 목표를 설정하는 데 도움이 된다.
여러 대형 텔레메트리 제공업체가 무기화 시간의 유사한 감소를 보고한다면, 취약성 프로그램을 재구축해야 한다는 근거는 더 강해진다. 상세한 증거가 중앙값이 좁은 범주에 의존한다는 점을 보여 준다면, 더 광범위한 결론은 조정이 필요하다.
두 번째 신호는 통제된 평가 밖에서 검증된 자율 활동이다. 보안 연구자들은 에이전트가 표적을 선택하고, 실패에 적응하며, 전술을 바꾸고, 제한된 인간 지시만으로 여러 침투 단계를 완료하는 사고를 주시해야 한다.
그러한 행동의 증거는 공격 체인 자율성에 대한 Microsoft의 경고를 강화할 것이다. 숙련된 운영자에 대한 지속적인 의존은 AI가 독립적인 공격자라기보다 주로 역량 증폭기임을 보여 줄 것이다.
이 구분은 방어 설계에 영향을 준다. 도구 지원형 적대자는 더 빠른 탐지와 우선순위 설정을 요구한다. 신뢰할 수 있는 자율 적대자는 인력이 배치되지 않은 시간까지 포함해 지속적으로 대응할 수 있는 통제를 요구한다.
세 번째 신호는 방어 AI가 완화까지의 시간을 단축하는지 여부다. 제품 출시와 벤치마크 점수보다 복잡한 조직 내부에서 검증된 결과가 더 중요하다.
유용한 측정 기준에는 팀이 노출된 자산을 식별하고, 임시 통제를 배포하며, 패치를 검증하고, 공격 경로를 차단하는 속도가 포함된다. 신뢰할 수 없는 자동화는 새로운 장애를 일으킬 수 있으므로 오탐률과 실패한 변경도 중요하다.
Microsoft는 Security Copilot을 사용하는 일부 조직이 위협 요약을 60%에서 70% 더 빠르게 완료한다고 보고한다고 말한다. 이는 분석가 업무의 한 부분을 다루지만, 더 빠른 요약이 자동으로 더 빠른 차단으로 이어지지는 않는다.
더 강력한 결과는 운영 중단의 상응하는 증가 없이 노출 시간이 측정 가능하게 줄어드는 것이다. 이는 방어 에이전트가 단순히 더 많은 분석을 생성하는 데 그치지 않고 인텔리전스를 안전한 행동으로 전환할 수 있음을 보여 줄 것이다.
보안 리더에게 당면 과제는 자신의 프로세스가 이 새로운 시간 창 안에서 조치할 수 있는지 시험하는 것이다. 최근의 심각한 취약성 하나를 선택해 공개부터 자산 식별, 완화, 패치, 검증까지의 타임라인을 재구성하라.
패치가 정책을 충족했는지만 묻지 말라. 취약한 서비스가 얼마나 오래 접근 가능한 상태였는지, 그리고 더 이른 노출 감소를 막은 요인이 무엇이었는지 물어야 한다. 그 답이 수주 단위라면, Microsoft AI 취약성 무기화는 이미 조직이 충족해야 할 기준을 바꿔 놓았다.
