Anthropic의 Mythos가 보안 버그를 쏟아내자 대응에 나선 Microsoft

Anthropic의 Mythos가 Microsoft 엔지니어들이 패치할 수 있는 속도보다 빠르게 수백 건의 보안 버그를 찾아내면서, Microsoft는 이른바 “필사적인 대응”에 나섰다. 이 사안은 Google News 목록을 통해 드러났지만, 관련 보도는 훨씬 더 큰 문제를 설명한다. 이제 AI는 사람이 취약점을 수정하는 속도를 넘어 취약점 발견을 가속할 수 있다.

당장의 압박은 SharePoint, Microsoft 365, Teams, Copilot을 담당하는 팀에 집중됐다. ProPublica가 검토한 내부 기록에 따르면, 5월 중순 당시 다수의 고우선순위 발견 사항이 해결되지 않은 상태였다. Mythos가 여러 개의 경미한 결함을 심각한 공격 경로로 연결할 수 있기 때문에, 기존의 보안 분류 방식은 갑자기 덜 신뢰할 만해 보이기 시작했다.

Mozilla는 중요한 비교 사례를 제공한다. Firefox 팀 역시 Mythos 발견 사항이 급증했지만, 관련 패치마다 여전히 사람 작성자와 검토자가 필요했다. 새로운 병목은 더 이상 의심스러운 코드를 찾는 일이 아니다. 각 발견 사항을 검증하고, 맥락을 이해하며, 안전한 수정안을 만들고, 이를 테스트한 뒤, 공격자들이 같은 작업을 재현하기 전에 배포하는 일이다.

Microsoft 내부 기록이 실제로 보여준 것

Mythos는 취약점 발견을 주기적인 보안 작업에서 지속적인 운영 대기열로 바꿔 놓았다.

Microsoft 엔지니어와 관리 수십 명은 5월 중순 Anthropic의 통제된 사이버보안 이니셔티브인 Project Glasswing을 논의하기 위해 모였다. Anthropic은 비슷한 역량의 시스템이 널리 제공되기 전에 일부 조직에 Claude Mythos Preview 접근 권한을 제공했다.

Microsoft 내부 기록에 따르면, 한 관리자는 참석자들에게 Mythos가 Microsoft가 패치할 수 있는 속도보다 빠르게 버그를 찾고 있다고 말했다. 이 관리자는 대응 상황을 “필사적인 대응”이라고 표현했다.

한 프레젠테이션 슬라이드는 SharePoint 내부의 규모를 보여줬다. 보도에 따르면 Mythos는 4월 한 달에만 심각도로 분류된 버그 90건과 중요로 분류된 버그 141건을 찾아냈다. 5월 상반기에도 추가 문제를 발견했다.

이러한 분류는 중요하다. Microsoft는 자체 전파 공격을 포함해 악용 시 심각한 결과를 초래할 수 있는 취약점에 “심각” 등급을 부여한다. “중요” 취약점은 사용자 데이터를 손상시키거나 컴퓨팅 리소스를 교란할 수 있다.

내부 프레젠테이션은 SharePoint 엔지니어들이 몇 달 동안 계속 이 문제에 매달리게 될 것이라고 예측했다. 팀들은 먼저 심각한 발견 사항을 처리하고, 이후 중요 항목을 해결한 다음, 약 300건의 보통 수준 발견 사항을 나중에 다룰 계획이었다.

기록은 Microsoft 365, Teams, Copilot 전반에 걸쳐 수백 건의 심각 또는 중요 버그가 있었다고도 설명했다. 보도에 따르면 대부분은 5월 중순 시점에도 패치되지 않았다. Microsoft는 프레젠테이션 이후 Mythos 발견 사항을 몇 건 수정했는지 공개하지 않았다.

이 발견 사항들이 반드시 화려한 새로운 공격 유형은 아니었다. 보도에 따르면 한 엔지니어링 관리자는 다수의 사례를 평범하지만 실제적인 취약점으로 규정했다. 이 세부 사항은 사건의 중요성을 줄이는 것이 아니라 오히려 키운다.

소프트웨어 제품에는 수년에 걸친 기능 개발, 호환성 결정, 상속된 구성 요소를 거치며 일반적인 결함이 축적된다. 인간 보안 연구자들이 이 표면을 조사할 수 있는 시간은 제한적이다. 코드를 지속적으로 검사할 수 있는 모델은, 누구도 찾아낼 만큼 충분한 주의를 기울이지 못했기 때문에 숨겨져 있던 약점을 드러낸다.

Microsoft는 보안 결정을 내릴 때 악용 가능성과 잠재적인 고객 영향을 고려한다고 밝혔다. 또한 악용의 가속화가 새로운 현상은 아니라고 말하면서도 강한 긴박감을 인정했다.

두 설명은 모두 사실일 수 있다. 보안 팀은 취약점이 알려진 뒤 언제나 공격자와 경쟁해 왔다. 달라진 점은 동시에 시작될 수 있는 경쟁의 수다.

보도에 따르면 Microsoft는 Mythos 접근 권한을 정규직 직원 약 50명에게 배포했다. 이 제한된 그룹만으로도 제품 팀을 수개월간 점유할 정도로 큰 대기열을 만들 수 있었다. 더 많은 연구자, 고객, 적대자의 손에 비슷한 도구가 들어가면 유입량은 배가될 것이다.

이 때문에 이 이야기는 Google News의 틀이 시사하는 것보다 더 많은 관심을 받을 만하다. Microsoft가 맞닥뜨린 것은 이전에 알려지지 않은 악용 가능한 취약점인 위험한 단일 제로데이가 아니다. 거대한 코드베이스 전반에서 새 후보를 반복적으로 찾아낼 수 있는 운영 시스템이다.

이 시스템에는 휴식이나 일정상의 공백, 개인적 동기가 필요하지 않다. 조직이 컴퓨팅 리소스와 효과적인 테스트 환경을 제공하는 한 계속 탐색할 수 있다.

그 결과 구조적 불일치가 발생한다. 발견 작업은 소프트웨어처럼 확장되기 시작한 반면, 수정 작업은 여전히 대체로 숙련된 인간 노동을 통해 확장된다.

Google News의 관심이 보안 변화의 규모를 과소평가하는 이유

핵심적인 역전은 방어적 탐지가 개선될수록 소프트웨어 공급업체가 일시적으로 덜 안전해 보일 수 있다는 점이다.

Anthropic은 유사한 역량이 확산되기 전에 일부 방어자가 약점을 찾아 수정할 시간을 주기 위해 Project Glasswing을 도입했다. Microsoft는 이 노력에 참여했으며, 승인된 Project Glasswing 고객에게 Microsoft Foundry를 통해 Mythos를 제공했다.

이러한 방식은 방어자에게 선발 우위를 제공했다. 그러나 모델이 팀이 처리할 수 있는 속도보다 빠르게 발견 사항을 만들어낼 때, 선발 우위의 가치는 제한적이다.

기존 보안 프로그램은 발견을 희소한 자원으로 취급한다. 조직은 테스트를 수행하고 외부 보고를 접수하며, 그 결과로 나온 대기열의 우선순위를 정한다. 가장 위험한 취약점은 즉시 주목받고, 심각도가 낮은 발견 사항은 기다린다.

Claude Mythos Preview는 이 과정의 공급 측면을 바꿨다. Anthropic의 공개 대시보드는 5월 22일 기준 후보 발견 사항이 23,019건이라고 보고했다. 외부 보안 업체들은 이 중 1,900건을 검토했고, 1,726건이 유효하다고 확인했다.

Anthropic은 281개의 오픈소스 프로젝트 전반에서 1,596건의 취약점을 공개했다. 당시 업스트림에서 패치된 것으로 표시된 것은 97건에 불과했다. Anthropic은 인간의 분류와 검토를 속도 제한 단계로 명시했다.

이 수치는 Microsoft의 비공개 대기열이 아니라 Anthropic이 추적한 오픈소스 작업을 다룬다. 그럼에도 동일한 메커니즘을 보여준다. 모델은 한 속도로 후보를 생성하고, 외부 전문가는 다른 속도로 이를 검증하며, 유지관리자는 세 번째 속도로 패치한다.

후보 발견 사항이 자동으로 악용 가능한 취약점이 되는 것은 아니다. 검토자는 동작을 재현하고, 오탐을 제거하며, 현실적인 공격 조건을 평가하고, 영향을 받는 코드에 도달할 수 있는지 판단해야 한다.

유효한 버그라도 프로젝트의 위협 모델 밖에 있을 수 있다. 다른 사례는 이미 알려진 보고와 중복될 수 있다. AI가 생성한 정교한 설명이 엔지니어링 판단의 필요성을 없애지는 않는다.

하지만 Mythos가 모호하고 품질 낮은 익숙한 AI 보고의 홍수만 만들어내는 것은 아니다. 외부에서 검토된 Anthropic 발견 사항 가운데 보고된 참양성률은 90.8%였다. 이 비율은 영향을 받는 모든 유지관리자가 아니라 Anthropic이 고용한 보안 업체에서 나온 것이므로, 보편적 증거로 간주해서는 안 된다.

그럼에도 발견량은 조직의 행동을 바꿀 만큼 충분히 크다. 보안 팀은 오탐, 중복, 실질적 피해를 초래할 수 없는 문제와 함께 더 많은 유효 보고를 처리할 준비를 해야 한다.

공급업체가 수십 년간 축적된 코드를 가진 제품을 유지할 때 압박은 더욱 커진다. 오래된 구성 요소에는 과거 아키텍처에서는 타당했던 가정이 포함되는 경우가 많다. 현대적 기능은 이러한 가정을 새로운 입력과 공격 경로에 노출할 수 있다.

Microsoft의 규모는 이 문제를 증폭시킨다. Windows, Microsoft 365, SharePoint, Teams, Azure는 정부, 학교, 병원, 기업 전반에서 운영된다. 널리 배포된 구성 요소의 결함은 공격자에게 더 큰 잠재적 수익을 제공한다.

인기는 방어 업무량도 확대한다. 엔지니어들은 여러 제품 버전, 클라우드 구성, 액세스 제어, 고객 환경을 평가해야 한다. 한 약점을 막는 패치가 기존 배포 환경을 손상시키거나 또 다른 취약점을 만들어서는 안 된다.

버그를 찾아내는 동일한 AI라도 아직 안전한 운영 환경의 수정을 보장할 수는 없다. 그럴듯한 코드를 생성하는 일은 모든 종속성과 운영상 결과를 이해하는 일과 다르다.

AI가 수천 건의 결함을 찾았다는 Google News 요약에서는 이러한 차이가 사라지는 경향이 있다. 헤드라인 수치는 발견 역량을 측정한다. 얼마나 많은 발견 사항이 악용 가능한지, 얼마나 많은 패치가 안전한지, 고객이 그 패치를 얼마나 빨리 설치하는지는 측정하지 않는다.

따라서 Microsoft의 대응은 성공과 실패를 동시에 반영한다. Mythos는 방어자에게 이전에는 없었던 가시성을 제공하고 있다. 그 가시성은 해결되지 않은 보안 작업이 이미 얼마나 많이 존재했는지도 드러낸다.

작은 버그가 공격 사슬을 이룰 때 기존 분류 체계가 무너지는 이유

AI는 각 취약점을 고립된 항목으로 우선순위화할 수 있다는 가정에 도전한다.

보안 분류는 일반적으로 예상되는 영향과 악용 가능성을 기준으로 발견 사항의 순위를 매긴다. 공격자에게 제어 권한을 부여하는 원격 악용 가능 결함은 결과가 제한적인 로컬 버그보다 더 많은 주의를 받을 가치가 있다.

이러한 위계는 여전히 필요하다. 어떤 기업도 모든 소프트웨어 결함을 즉시 수정할 수는 없다. Microsoft는 보안 대응 계획에 따르면 매년 수천 건의 취약점 보고를 처리한다.

문제는 취약점 연쇄다. 이는 별개의 약점을 결합해 하나의 공격으로 만드는 기법이다. 심각도가 낮은 정보 유출은 액세스 제어 오류를 악용하는 데 필요한 데이터를 노출할 수 있다. 이후 다른 결함이 공격자가 제한된 환경에서 벗어나는 데 도움이 될 수 있다.

개별적으로는 이러한 버그가 감당할 만해 보일 수 있다. 하지만 함께 사용되면 민감한 데이터나 시스템 제어에 이르는 경로를 만들 수 있다.

Anthropic의 선임 기술 자문이자 Council on Foreign Relations 펠로우인 Vinh Nguyen은 낮은 수준의 결함 네 개가 결합하면 높은 심각도의 결과를 낳을 수 있다고 경고했다. 그는 Microsoft의 기존 분류 전략이 이러한 위험을 과소평가할 수 있다고 주장했다.

Microsoft는 연쇄 공격이 오랫동안 자사의 취약점 평가에 포함돼 왔다고 답했다. 이 답변은 회사가 해당 기법을 이해하는지에 대한 문제에는 답한다. 그러나 급격히 늘어나는 대기열 전반에서 연쇄 공격을 평가할 수 있도록 인력, 모델, 수정 프로세스가 갖춰져 있는지까지 완전히 해소하지는 못한다.

인간 검토자는 수백 건의 발견 사항 사이에 가능한 모든 관계를 고려하기 어렵다. 대기열이 커질수록 조합의 수는 빠르게 증가한다. Mythos와 같은 시스템은 이러한 조합을 반복적으로 탐색하고 여러 단계로 이루어진 입증 사례를 만들 수 있다.

이 때문에 패치되지 않은 보통 수준의 발견 사항을 무시하기가 더 어려워진다. 개별 심각도는 보통 수준으로 남을 수 있지만, 다른 버그가 빠진 단계를 제공하면 그 가치는 달라진다.

이 과제는 정적인 심각도 점수도 약화시킨다. 취약점의 실제 위험은 배포 조건, 사용 가능한 권한, 접근 가능한 서비스, 다른 약점과의 상호작용에 따라 달라진다.

Microsoft는 낮은 등급의 문제가 상향 조정돼야 하는지를 지속적으로 재평가한다고 밝혔다. AI가 검토 팀이 관계를 파악할 수 있는 속도보다 빠르게 새로운 연결을 찾아낼 때, 이러한 적응적 접근 방식은 필수적이다.

회사는 발견 사항의 품질과 심각도를 검증하기 위한 자동화를 추가하고 있다. 또한 엔지니어들이 코드를 작성하는 동안 취약점을 탐지할 수 있도록 에이전트 기반 보안 테스트를 개발 과정에 내장할 계획이다.

발견 단계를 더 앞당기는 것은 합리적이다. 변경된 컴포넌트를 아직 이해하고 있는 개발자는 수개월 뒤 멀리 떨어진 사고 대응팀보다 더 효율적으로 문제를 수정할 수 있는 경우가 많다. 조기 테스트는 패치가 필요한 출시 버전의 수도 줄인다.

그러나 Mythos를 개발 단계에 도입한다고 해서 기존 소프트웨어에 쌓인 백로그가 사라지는 것은 아니다. Microsoft는 미래 버전을 만드는 프로세스를 바꾸는 동시에 현재 제품도 보호해야 한다.

잘못된 판단을 자동화하는 일도 피해야 한다. 모든 발견 사항을 과대평가하는 트리아지 에이전트는 엔지니어링 역량을 소진시킨다. 공격 체인에서 유용한 연결 고리를 과소평가하면 잘못된 안도감을 만든다.

조직에는 재현 가능한 동작, 영향을 받는 구성, 현실적인 공격 전제조건, 제안된 수정안을 포함하는 근거가 풍부한 보고서가 필요하다. 또한 각 발견 사항을 설계 결정, 테스트, 이후의 사고와 연결하는 지속 가능한 기록도 필요하다.

엔지니어링 팀에게 검색 가능한 지식 기반은 코드, 사고 기록, 기술 문서 전반에 걸쳐 이러한 맥락을 보존하는 데 도움이 될 수 있다. 취약점의 심각도를 결정할 수는 없지만, 과거 결정을 재구성하는 데 필요한 노력을 줄일 수 있다.

따라서 진짜 경쟁은 Mythos와 Microsoft 엔지니어 간의 대결이 아니다. 기계 속도의 발견 능력과 더 느리고 개별 검토된 보고서를 중심으로 구축된 조직 시스템 간의 경쟁이다.

Microsoft는 거의 즉시 더 많은 컴퓨팅 역량을 확보할 수 있다. 하지만 레거시 컴포넌트를 이해하는 숙련 엔지니어의 인력을 늘리는 데는 훨씬 더 오랜 시간이 걸린다.

Mozilla가 수정에는 여전히 인간 엔지니어가 필요한 이유를 보여준다

Firefox는 AI가 가장 어려운 완화 작업을 자동화하지 않으면서도 유용한 발견을 크게 늘릴 수 있음을 보여준다.

Mozilla의 경험은 엔지니어들이 이점과 업무 부담을 모두 설명했기 때문에 가장 명확한 공개 비교 사례를 제공한다.

2026년 4월 Firefox는 423건의 버그 수정을 배포했는데, 2025년 4월의 31건과 비교된다. Mythos는 브라우저에 10년 넘게 남아 있던 결함을 포함해 고심각도 취약점을 발견하는 데 도움을 줬다.

이 모델은 악성 코드로 인한 피해를 제한하기 위한 격리 계층인 Firefox 샌드박스에서 문제를 발견한 것으로 전해졌다. 샌드박스 취약점은 악용에 창의적인 일련의 조치가 필요한 경우가 많기 때문에 특히 가치가 높다.

Mozilla 엔지니어들은 Firefox 보안 연구자들에게 최근 시스템이 초기 AI 스캐닝 도구보다 상당히 개선됐다고 말했다. 더 나은 에이전트 워크플로는 제출 전에 후보 발견 사항을 테스트하고 일부 취약한 결과를 걸러낼 수 있었다.

그러나 Mozilla는 AI가 그에 따른 패치를 배포하도록 허용하지 않았다. 관련된 각 버그는 여전히 한 명의 엔지니어가 수정하고 다른 엔지니어가 검토해야 했다.

팀은 AI에 패치 제안을 요청했지만, 그 결과물은 대개 출발점 역할을 했다. 인간 작업을 대체할 수 있는 프로덕션 준비 완료 결과물은 아니었다.

이 격차가 Microsoft의 백로그를 설명한다. 의심스러운 코드 경로를 찾는 일은 범위가 한정된 작업이다. 널리 배포된 엔터프라이즈 제품을 수정하려면 더 긴 책임 사슬이 필요하다.

엔지니어는 올바른 소프트웨어 버전에서 보고 내용을 확인해야 한다. 팀은 해당 결함이 클라우드 서비스, 로컬 설치 환경 또는 둘 다에 영향을 주는지 판단해야 한다. 회귀 테스트를 구축하고 인접 컴포넌트를 점검해야 한다.

그다음 패치는 검토, 통합, 품질 테스트, 릴리스 준비, 고객 커뮤니케이션을 거친다. 고객이 보호 조치를 설치할 수 있을 때까지 민감한 세부 정보는 통제된 상태로 유지돼야 한다.

대형 공급업체는 추가 제약에도 직면한다. 보안 업데이트는 셀 수 없이 많은 환경에서 운영 장애를 유발할 수 있다. 패치를 서두르면 하나의 보안 위험을 장애, 데이터 손상 또는 호환성 문제로 바꾸게 될 수 있다.

AI 코딩 시스템은 여러 지점에서 지원할 수 있다. 테스트를 제안하고, 관련 함수를 식별하고, 변경 이력을 요약하며, 잠재적 수정안을 비교할 수 있다. 이러한 어느 작업도 엔지니어의 책임을 대신하지는 않는다.

Microsoft의 자체 이전 연구도 이 한계를 뒷받침한다. 2025년 연구는 선도적 모델들이 실제 소프트웨어 이슈로 구성된 벤치마크인 SWE-bench Lite의 많은 디버깅 작업에서 여전히 어려움을 겪는다고 밝혔다. 연구진은 모델이 수정안을 제안하기 전에 에이전트가 디버거를 어떻게 사용하는지 보여주는 더 풍부한 상호작용 데이터가 필요하다고 주장했다.

그 연구 이후 사이버 모델은 빠르게 개선됐지만, 검증은 여전히 핵심이다. 실제 환경에는 벤치마크가 완전히 나타낼 수 없는 문서화되지 않은 동작과 비즈니스 제약이 존재한다.

경쟁 구도도 넓어지고 있다. OpenAI는 사이버 보안에 초점을 둔 모델을 개발했으며, Microsoft는 Windows 네트워킹 및 인증 컴포넌트에서 16개의 취약점을 발견한 멀티 모델 보안 시스템을 설명했다.

Palo Alto Networks는 Anthropic과 OpenAI 모델을 테스트하면서 75개의 버그를 발견한 것으로 전해졌는데, 이는 통상적인 월간 범위인 5~10개와 비교된다. 연구진은 환경 조정으로 결과가 개선되기 전까지 제품 전반에서 약 30%의 오탐률을 관찰했다.

Curl 유지관리자 Daniel Stenberg는 더 절제된 결과를 보고했다. Mythos는 저심각도 버그 하나와 여러 오탐, 그리고 프로젝트가 중요하지 않다고 판단한 또 다른 문제를 발견했다.

이 사례들은 Mythos가 항상 모든 대상에서 압도적이라는 단순한 결론을 막아준다. 성능은 코드베이스, 도구, 프롬프트, 이용 가능한 맥락, 인간 운영자에 따라 달라진다.

Microsoft는 하나의 오픈소스 프로젝트보다 훨씬 크고 다양한 제품 표면을 보유하고 있다. SharePoint, Microsoft 365, Teams, Copilot 전반에서 발견 사항이 쏟아지면 여러 전문 팀이 동시에 부담을 받을 수 있다.

불확실성이 중요한 이유는 Anthropic이 공개 성능 데이터의 상당 부분을 통제하고 있기 때문이다. 독립 유지관리자와 테스트 파트너가 가치 있는 증거를 제공했지만, 아직 공급업체 전반의 발견 품질, 완화 시간, 프로덕션 결과를 측정하는 공통 감사 체계는 없다.

Anthropic의 대시보드는 이미 알려졌을 수 있거나 유지관리자가 수정하지 않기로 결정한 실제 버그도 집계한다. 이의 진양성 지표를 심각한 공개 권고문으로 이어지는 발견 사항의 비율과 혼동해서는 안 된다.

신중한 결론도 여전히 중요하다. Mythos는 전문가 조직이 인력과 릴리스 계획을 바꿀 만큼 충분한 유용한 발견 사항을 받는 임계점을 넘었다.

하지만 이 모델이 스스로 만들어내는 대기열을 안전하게 닫을 수 있는 임계점은 아직 넘지 못했다.

위험은 단일 AI 모델이 아니라 완화 역량에 있다

Microsoft의 가장 깊은 취약점은 확장 가능한 탐지와 희소한 제품 지식 사이의 격차다.

가장 명백한 해석은 Anthropic을 도전자, Microsoft를 압도당한 기존 강자로 그린다. 이 경쟁은 중요하지만 더 광범위한 제약에서 주의를 돌릴 수 있다.

Anthropic은 공격자가 동등한 접근 권한을 얻기 전에 Mythos가 방어자가 중요한 시스템을 보호하도록 돕기를 원한다. Microsoft도 Foundry를 통해 승인된 액세스를 제공한다. Anthropic의 모델이 Microsoft 제품의 약점을 드러내는 가운데서도 두 회사는 협력하고 있다.

주된 충돌은 AI 속도 방어의 약속과 인간 속도 완화의 현실 사이에 있다.

숙련된 보안 엔지니어는 결함 있는 코드만 수정하지 않는다. 시스템 경계, 위협 모델, 고객 의존성, 릴리스 결과를 이해한다. 이 지식의 상당 부분은 특정 제품이나 컴포넌트에 고유하다.

레거시 코드는 부족 문제를 심화시킨다. 원저자가 떠났을 수 있다. 문서에는 설계 가정이 빠져 있을 수 있다. 테스트는 정상 작동을 다루지만 적대적 입력은 나타내지 못할 수 있다.

과거의 타협으로 생긴 누적 엔지니어링 작업을 뜻하는 기술 부채는, 그 타협이 악용 가능한 동작을 숨길 때 보안 부채가 된다. AI는 조직이 이를 갚을 수 있는 속도보다 훨씬 빠르게 부채를 드러낼 수 있다.

Microsoft의 내부 Security Response Center는 역사적으로 바쁜 기간에 수백 또는 수천 건의 보고를 처리해 왔다. ProPublica는 이전에 인력 부족 우려를 보도했으며, Microsoft는 보안 대응에 필요한 리소스를 지속적으로 평가한다고 말했다.

사업상 인센티브는 복잡하다. 새로운 기능은 눈에 보이는 수익과 고객 관심을 창출할 수 있다. 보안 유지보수는 대개 관찰되지 않는 손실을 방지한다.

AI 기반 발견은 이 불균형을 유지하기 더 어렵게 만든다. 새 기능마다 기계가 점검할 수 있는 코드가 늘어난다. 미뤄진 리팩터링마다 미래 모델이 탐색할 수 있는 추가 상호작용이 생긴다.

우려는 Microsoft를 넘어선다. 자원봉사 유지관리자들은 상용 제품과 공공 인프라 전반에 내장된 오픈소스 라이브러리를 지원한다. 소규모 팀은 기술적으로 유효한 보고를 받더라도 이를 재현하거나 수정할 시간이 없을 수 있다.

책임 있는 공개는 세부 정보의 공개를 늦춰 도움을 준다. 그러나 엔지니어링 역량을 만들어내지는 않는다. 공개 유예 기간은 자금이 부족한 프로젝트가 맞추지 못할 카운트다운이 될 수 있다.

Five Eyes 경고는 고급 AI 취약점 역량이 확산될 것이며 조직이 준비해야 한다고 촉구했다. 이 경고의 중요성은 특정 예측 날짜보다는 변화의 방향에 있다.

공격자에게 정확히 같은 Mythos 서비스가 필요한 것은 아니다. 더 적은 인간 노력으로 코드를 점검하고, 가설을 테스트하며, 약점을 결합할 수 있는 모델과 도구가 필요하다.

소스 코드 접근은 도움이 되지만 항상 필수는 아니다. 공격자는 오픈소스 컴포넌트를 점검하고, 바이너리를 리버스 엔지니어링하고, 오래전에 유출된 코드를 연구하거나, 노출된 서비스를 테스트할 수 있다.

Microsoft는 자사의 보안 프로세스가 결연한 적대자가 코드를 확보할 수 있다고 가정한다고 밝혔다. 이는 적절한 위협 모델이다. 운영상 질문은 공격자가 발견 사항을 신뢰할 수 있는 기술로 전환하기 전에 회사가 이를 수정할 수 있는지다.

과잉 대응의 위험도 있다. Microsoft가 엄격한 검증 없이 모든 AI 발견 사항에 엔지니어를 투입하면 가치 있는 보안 작업과 제품 유지보수가 지연될 수 있다.

따라서 팀에는 우선순위 설정의 포기가 아니라 더 나은 우선순위 설정이 필요하다. 심각도 점수에는 공격 체인, 실제 배포 노출도, 알려진 악용, 보완 통제의 가용성이 반영돼야 한다.

또한 완화 처리량을 측정해야 한다. 발견된 버그 수를 세면 모델이 대기열을 확장하는 데 보상한다. 종료된 티켓 수를 세면 성급한 분류에 보상할 수 있다. 유용한 지표는 피상적인 패치를 부추기지 않으면서 검증된 위험 감소를 반영해야 한다.

고객 투명성도 중요해질 것이다. 구매자는 공급업체가 노출 기간을 단축하고, 패치 품질을 개선하며, 반복되는 결함 범주를 줄이고 있는지 알아야 한다. 많은 발견 건수만으로는 진전이나 실패를 입증할 수 없다.

google 뉴스 주기는 다음 모델 발표로 넘어갈 것이다. Microsoft의 대기열은 이를 닫는 데 필요한 제품 지식과 테스트 작업과 함께 남아 있을 것이다.

Google 뉴스 주기가 지나간 뒤 주목할 점

세 가지 신호는 Microsoft가 보안 시스템에 적응하고 있는지, 아니면 첫 Mythos 물결을 그저 버티고 있는지를 보여줄 것이다.

첫 번째 신호는 보고된 SharePoint 백로그에 대한 Microsoft의 패치 기록이다. 내부 계획은 수개월의 작업을 예상했으며, 중요한 발견 사항은 8월까지 이어지고 중간 수준 버그는 그 이후에 처리될 것으로 봤다.

Microsoft는 보안 업데이트를 Mythos 발견 사항과 연결한 완전한 집계를 공개하지 않았다. 향후 권고문은 높은 우선순위의 발견 사항이 줄어들고 있는지, 관련 결함이 같은 컴포넌트 전반에서 다시 나타나는지를 보여줄 수 있다.

지속적인 감소는 Microsoft가 AI 발견과 효과적인 완화를 결합할 수 있다는 주장을 뒷받침할 것이다. 지속적인 누적은 발견 역량이 여전히 엔지니어링 처리량을 앞지르고 있음을 나타낼 것이다.

두 번째 신호는 Microsoft가 연결된 취약점의 순위를 매기는 방식을 바꾸는지 여부다. 회사는 이미 체이닝이 위험 분석에 반영된다고 말하지만, Mythos는 개별 사례 검토에 도전하는 규모로 조합을 테스트할 수 있다.

새로운 심각도 지침, 자동화된 체인 분석, 또는 관련 취약점을 공격 경로로 묶는 보고가 나오는지 살펴봐야 한다. 이러한 변화는 Microsoft가 AI의 실제 역량에 맞춰 트리아지 체계를 재설계하고 있음을 보여줄 것이다.

낮은 순위의 발견 사항이 가시적인 관계 분석 없이 계속 대기한다면, 저평가된 체인 위험에 대한 우려는 남을 것이다.

세 번째 신호는 독립 테스트에서 경쟁 사이버 모델이 보이는 성과다. OpenAI, Microsoft, Anthropic, 보안 업체, 정부 연구소 모두 취약점을 찾아내는 시스템을 개발하거나 평가하고 있다.

여러 모델에서 비교 가능한 결과가 나온다면 Microsoft가 Anthropic의 특정 프리뷰와 연계된 일시적 급증이 아니라 업계 전반의 역량 변화를 마주하고 있음을 확인할 수 있다. 반대로 오탐이나 익스플로잇 검증에서 큰 차이가 난다면, 운영 설계가 순수한 모델 지능만큼 중요하다는 점을 보여줄 것이다.

개발자는 공급업체가 엔드투엔드 측정치를 공개하는지 지켜봐야 한다. 유용한 보고에는 후보 발견 사항, 확인된 취약점, 승인된 심각도, 중간 복구 시간, 회귀, 배포 범위가 포함될 것이다.

엔터프라이즈 구매자는 이와 관련된 질문을 던져야 한다. 공급업체가 자동화된 발견을 검증된 고객 보호로 전환할 수 있는가? 더 많은 버그를 찾아도 안전하게 패치하지 못하는 공급업체는 보안 업무를 완수하지 못한 채 가시성만 개선한 것이다.

지식 근로자와 제품 리더 역시 역할이 있다. 사고 기록, 아키텍처 결정, 고객 제약 사항은 AI 발견 사항을 평가하는 엔지니어가 계속 접근할 수 있어야 한다. 더 나은 조직 기억은 모델의 경고와 방어 가능한 수정 사이의 시간을 줄인다.

다음 google news 헤드라인은 아마 더 많은 취약점 수나 더 강력한 모델을 강조할 것이다. 더 의미 있는 결과는 눈에 잘 띄지 않는 운영 데이터에서 드러날 것이다.

Microsoft는 대기열을 줄이고, 패치 품질을 유지하며, 공격자보다 먼저 위험한 조합을 식별할 수 있을까? 독자는 이 세 가지 신호를 추적하고, AI 속도의 발견이 단순히 미해결 위험 목록을 더 빠르게 만드는 데 그치지 않고 AI 지원 방어로 이어지고 있다는 증거를 요구해야 한다.