만약 공격자가 당신 팀보다 더 빨리 버그를 찾고, 더 빨리 악용할 수 있다면 이번 분기 계획에서 무엇을 바꿔야 할까요. 코드 리뷰를 더 꼼꼼히 하고, 취약점 점검 일정을 조금 당기는 수준으로는 부족할 수 있습니다. 지금 중요한 질문은 "AI가 무섭다"가 아니라, "공격자의 탐지·악용 속도가 사람 기준을 넘어설 때 우리 운영 방식이 버티는가"입니다.
이 질문이 현실로 다가온 계기가 Anthropic의 Mythos입니다. Anthropic은 이 모델이 고급 보안 연구자 수준의 취약점 탐지와 익스플로잇 작업에서 매우 강력하다고 주장하며 일반 공개를 막고, Project Glasswing를 통해 일부 기업과 기관에만 제한적으로 제공하고 있습니다.12 그런데 최근에는 Anthropic이 접근 대상을 더 넓히려 하자 백악관이 보안 오남용 위험뿐 아니라 컴퓨트 여력 부족까지 이유로 제동을 걸었다는 보도도 나왔습니다.3 이게 중요한 이유는, 이제 AI 안전의 핵심이 "모델이 뭘 할 수 있나"를 넘어 "누가, 어떤 인프라와 통제로 접근하나"로 이동하고 있기 때문입니다.
깨진 것은 모델보다 보안 가정이다
Mythos를 둘러싼 논쟁에는 과장이 섞여 있을 수 있습니다. 아직 독립 검증은 제한적이고, 외부 연구자 다수가 직접 충분히 시험해보지 못했습니다.4 하지만 과장 가능성과 별개로, 이미 흔들린 가정은 분명합니다.
첫째, "공격자는 숙련 인력이 병목"이라는 가정입니다. Anthropic은 Mythos가 수천 건의 고위험 취약점을 찾았고 주요 운영체제와 브라우저에서도 문제를 발견했다고 주장합니다.2 영국 AI Safety Institute 평가에서도 이 모델은 전문가급 해킹 과제에서 73% 성공률을 보였다고 전해졌습니다.4 수치의 절대값보다 중요한 건, 고급 취약점 연구가 더 이상 희소한 인간 역량에만 묶여 있지 않을 수 있다는 점입니다.
둘째, "우리는 코드 리뷰와 정기 점검으로 따라잡을 수 있다"는 가정입니다. Mythos가 정말 강하다면 방어의 병목은 발견이 아니라 패치와 배포가 됩니다. 27년 묵은 버그를 찾아냈다는 사례가 상징적인 이유도 여기 있습니다.15 숨어 있던 약점이 없어서 안전한 것이 아니라, 아직 충분히 뒤지지 않았을 뿐일 수 있다는 뜻입니다.
셋째, "잘 알려지지 않은 시스템은 덜 위험하다"는 가정입니다. AI가 오래된 코드, 오픈소스 의존성, 복잡한 내부 로직까지 빠르게 훑을 수 있다면, 보안은 obscurity보다 노출 면적과 수정 속도 문제에 가까워집니다.
제품·엔지니어링 팀이 먼저 바꿔야 할 것
여기서 흔한 오해가 하나 있습니다. 대규모 AI 보안 도구를 당장 사오면 해결된다는 생각입니다. 지금 더 시급한 건 비싼 대시보드보다 운영 습관입니다.
우선 패치 지연 시간을 줄여야 합니다. 취약점을 "찾는 능력"보다 "고치는 시간"이 더 약한 팀은 AI 시대에 바로 밀립니다. 의존성 업데이트, 긴급 배포 절차, 승인 체계를 다시 봐야 합니다.
다음은 공격 표면 축소입니다. 공개 서비스, 과도한 권한, 오래된 관리자 인터페이스, 방치된 테스트 엔드포인트는 AI가 잘 찾는 먹잇감이 됩니다. "나중에 정리" 항목이 이제는 실제 리스크입니다.
비밀정보 관리도 우선순위가 올라갑니다. 약한 토큰 관리, 코드 저장소 내 시크릿, 과도한 서비스 계정 권한은 취약점 하나가 전체 침해로 번지게 만듭니다. AI가 잘하는 건 단일 버그 찾기만이 아니라, 작은 약점을 연쇄적으로 연결하는 일일 수 있기 때문입니다.
반면 과잉 반응도 경계해야 합니다. 모든 개발을 멈추고 전사 보안 프로젝트로 돌입하거나, 검증되지 않은 "AI 방어" 제품을 대거 도입하는 건 비용 대비 효과가 낮을 수 있습니다. 영국 쪽 평가는 Mythos급 모델도 특히 취약하고 방어가 허술한 시스템에 더 큰 위협이라고 봤습니다.1 기본기가 약한 조직일수록 답은 새 공포가 아니라 오래 미뤄둔 위생 개선입니다.
모두가 같은 정도로 걱정할 필요는 없다
누가 가장 신경 써야 할까요. 금융, 클라우드, 브라우저, 운영체제, 네트워크 장비, 대규모 오픈소스 유지 조직은 우선순위가 높습니다. 취약점 하나의 파급 범위가 넓고, 패치 전 악용 가능성의 비용이 매우 큽니다. 실제로 은행권과 중앙은행, 대형 인프라 기업들이 Mythos를 계기로 대응을 강화하고 있습니다.14
반면 일반적인 SaaS 스타트업은 다른 식으로 봐야 합니다. 국가 기반시설급 제로데이보다 더 현실적인 위험은 오래된 라이브러리, 부실한 IAM, 느린 패치, 허술한 비밀정보 관리입니다. Mythos 같은 모델이 세상을 바꾼다면, 그 변화는 "초인적 해커가 당신만 노린다"보다 "평범한 공격자도 더 좋은 도구를 쓴다"에 가깝습니다.
일반 소비자는 직접 Mythos를 상대할 가능성보다, 서비스 제공자가 이런 변화에 맞게 방어 수준을 올리는지의 영향을 더 크게 받습니다. 결국 개인 차원에서는 MFA, 패스키, 계정 분리 같은 기본 수칙이 여전히 가장 효율적입니다.
더 큰 변화: AI 안전은 이제 배포와 접근 통제 문제다
이번 사안을 단순한 "위험한 모델 등장"으로만 보면 반쪽 이해입니다. 더 큰 포인트는 최고성능 AI가 공개 여부, 접근 계층, 정부 협의, 컴퓨트 배분 같은 운영 문제에 의해 사실상 규정되기 시작했다는 점입니다.
보도에 따르면 백악관은 Mythos의 확장 배포를 막으면서 오남용뿐 아니라 정부 수요를 감당할 컴퓨트가 충분한지도 우려했습니다.3 이 대목이 시사하는 바는 큽니다. 앞으로 frontier AI는 성능 발표보다 접근 정책이 더 중요해질 수 있습니다. 누가 먼저 쓰는지, 얼마나 제한적으로 풀리는지, 정부와 대기업이 어떤 식으로 우선권을 갖는지가 실제 영향력을 결정합니다.
즉, AI 안전은 더 이상 모델 내부 정렬만의 문제가 아닙니다. 배포 거버넌스, 감사 가능성, 사용 로그, 제한적 출시, 컴퓨트 통제까지 포함한 운영 체계의 문제입니다. Mythos는 그 전환점처럼 보입니다.
그래서 지금 Mythos를 봐야 하는 사람은 보안팀만이 아닙니다. CTO는 패치 속도와 공격 표면을, 제품 리더는 출시 프로세스와 권한 구조를, 경영진은 "보안 투자 대비 효과"의 기준을 다시 세워야 합니다. 이 순간의 핵심 질문은 하나입니다. 우리 조직은 AI가 취약점을 더 빨리 찾는 세상에서, 여전히 사람 속도로 움직이고 있지 않은가.
참고
1What is Claude Mythos and what risks does it pose?
2Anthropic limits Mythos AI rollout over fears hackers could use model for cyberattacks
3White House worried about compute limits as it blocks wider access to Anthropic's Mythos
4What is Mythos, Anthropic's unreleased AI model, and how worried should we be?
5White House Pushes Back Against Anthropic's Mythos Expansion - Security Boulevard
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.