이번 분기에 CTO나 보안 책임자가 던져야 할 질문은 "새 AI가 얼마나 똑똑한가"가 아닙니다. 더 현실적인 질문은 이것입니다. AI가 취약점을 찾고 익스플로잇까지 만드는 속도가 우리 조직의 패치·트리아지 속도를 앞지르면 무엇을 바꿔야 하는가?
Claude Mythos Preview는 그 질문을 앞당긴 사건입니다. 일부 보도는 이 모델이 영국 AI 안전기관의 사이버 공격 시뮬레이션을 모두 통과한 첫 AI라고 전했습니다1. 다만 공개 자료들을 종합하면, 더 확실하게 확인되는 핵심은 "모든 헤드라인"보다 구체적입니다. Mythos는 AISI의 32단계 기업 네트워크 공격 시뮬레이션에서 10회 중 3회 끝까지 도달했고, 전문가급 CTF에서 73% 성공률을 기록했습니다2.
진짜 변화는 성능이 아니라 '속도 우위'입니다
Anthropic의 자체 평가에서 Mythos Preview는 주요 OS와 브라우저에서 제로데이 취약점을 찾고, 일부는 실제 익스플로잇으로 연결했습니다. Firefox JavaScript 엔진 실험에서는 이전 Opus 4.6이 수백 번 중 2회 성공한 반면, Mythos는 181개의 작동 익스플로잇을 만들었다고 보고됐습니다3.
이 숫자의 의미는 "AI가 해커가 됐다"는 식의 공포가 아닙니다. 더 중요한 변화는 공격과 방어의 시간표가 달라진다는 점입니다.
기존 취약점 대응은 대체로 인간의 속도에 맞춰 설계됐습니다. 버그 바운티 리포트를 받고, 재현하고, 심각도를 분류하고, 패치 일정을 잡고, 고객에게 공지합니다. 그런데 AI가 밤새 후보 취약점을 찾고, 다음 날 익스플로잇 가능성까지 제시한다면 병목은 발견이 아니라 검증·우선순위·배포가 됩니다.
취약점 관리 프로그램은 인간 템포로 만들어졌다
AISI 평가의 한계도 중요합니다. 해당 시뮬레이션에는 실시간 방어자, EDR, 탐지 알림에 대한 페널티가 없었습니다2. 즉 Mythos가 곧바로 성숙한 엔터프라이즈 네트워크를 조용히 뚫는다는 뜻은 아닙니다.
하지만 방어자에게 위안만 주는 한계도 아닙니다. 오히려 메시지는 명확합니다. 기본기가 약한 환경은 AI에게 너무 좋은 실험장이 된다는 것입니다.
지금 점검해야 할 항목은 거창한 AI 전략보다 구체적입니다.
CVE 공개 후 패치 SLA가 실제 exploitability 기준으로 조정돼 있는가
중요 오픈소스 의존성의 업데이트가 "정기 작업"이 아니라 "긴급 경로"를 탈 수 있는가
버그 바운티·보안 제보를 AI가 대량 생성할 때 중복 제거와 검증을 감당할 수 있는가
내부에서 AI를 이용한 보안 테스트를 허용할 범위와 로그 정책이 있는가
공급업체가 AI로 발견된 취약점 공개·패치 요청에 어떻게 응답하는지 계약에 반영돼 있는가
여기서 핵심은 "모든 버그를 더 빨리 고치자"가 아닙니다. 불가능합니다. 대신 익스플로잇 가능성이 높은 취약점부터 먼저 움직이는 체계가 필요합니다.
비공개 배포는 안전장치이지만, 신뢰 문제도 만든다
Anthropic은 Mythos를 일반 공개하지 않고 Project Glasswing을 통해 핵심 인프라 기업과 일부 오픈소스 조직에 제한 제공하고 있습니다. 공식 설명에 따르면 이는 비슷한 능력이 널리 퍼지기 전, 방어자가 먼저 중요한 소프트웨어를 보강하게 하려는 조치입니다3.
이 접근은 단순한 "안전 극장"으로만 보기는 어렵습니다. 자율 익스플로잇 능력이 확인된 모델을 무제한 API로 여는 것은 실제 위험을 키울 수 있습니다.
하지만 반대편 문제도 생깁니다. 소수 AI 연구소, 클라우드 사업자, 대형 벤더만 강력한 보안 AI에 접근한다면 중소기업과 오픈소스 유지보수자는 더 늦게 방어 능력을 얻습니다. 따라서 기업의 조달 질문도 바뀌어야 합니다.
"이 모델을 쓸 수 있나요?"보다 "벤더가 AI로 발견한 취약점을 우리에게 어떤 타임라인으로 알려주나요?", "모델 접근 제한이 우리 리스크를 줄이나, 아니면 정보 비대칭을 키우나?"를 물어야 합니다.
지금 할 일은 Mythos 도입이 아니라 Mythos급 환경을 가정하는 것
대부분의 조직은 Mythos Preview를 직접 쓸 수 없습니다. 그래서 이 사건을 모델 출시 뉴스로만 보면 실무적으로 얻을 게 적습니다.
대신 이렇게 가정해야 합니다. 1년 안에 비슷한 수준의 능력이 더 싸고 넓게 풀린다면, 우리 보안 운영은 어디서 먼저 깨질까?
이번 분기에 할 수 있는 현실적인 조치는 다섯 가지입니다.
첫째, 패치 우선순위를 CVSS만이 아니라 "익스플로잇 자동화 가능성" 중심으로 재정렬합니다. 둘째, SAST·퍼징·SCA 결과를 LLM으로 요약하고 재현 절차를 만드는 방어 워크플로를 작게 실험합니다. 셋째, 공급망 계약에 AI 기반 취약점 발견과 통지 절차를 넣습니다. 넷째, 내부 직원이 AI로 취약점 분석을 할 때 허용 범위와 금지 행위를 문서화합니다. 다섯째, AI가 발견한 제로데이를 접수했을 때 법무·보안·제품팀이 함께 움직이는 모의 훈련을 해봅니다.
Mythos Preview가 중요한 이유는 "가장 강한 AI"라서가 아닙니다. 보안의 병목이 발견에서 대응으로 이동하고 있음을 보여줬기 때문입니다. 지금 신경 써야 할 사람은 AI 연구자만이 아닙니다. 패치 일정을 승인하는 제품 책임자, 오픈소스 의존성을 관리하는 플랫폼 팀, 공급업체를 평가하는 구매 조직까지 모두 이 변화의 당사자입니다.
참고
2AISI Claude Mythos Eval: AI Owns 32-Step Network Attack
3Assessing Claude Mythos Preview's cybersecurity capabilities
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.