AI가 보안의 시간표를 바꾸고 있습니다. Google은 과거 몇 주가 걸리던 공격이 이제 몇 시간 또는 며칠 안에 진행될 수 있다고 설명합니다.1 이 변화가 위험한 이유는 단순합니다. 공격은 빨라지는데, 많은 기업의 취약점 식별·분류·수정 절차는 여전히 느리기 때문입니다.
Google Cloud의 AI Threat Defense는 이 간극을 줄이기 위한 자동화 보안 플랫폼입니다. Gemini, Wiz, DeepMind의 Codemender, Google 자회사 Mandiant의 기술을 결합해 취약점 탐지, 위험 평가, 패치 생성, 모니터링을 하나의 운영 흐름으로 묶습니다.1
핵심은 “AI가 보안을 대신한다”가 아니라, 보안팀이 더 빨리 판단하고 더 안전하게 수정할 수 있도록 취약점 관리의 병목을 줄이는 데 있습니다.
더 많은 알림이 아니라, 먼저 고칠 대상을 찾는 문제
기존 보안 도구의 큰 한계는 알림이 너무 많다는 점입니다. 취약점 목록이 길어질수록 보안팀은 정작 중요한 질문에 답하기 어려워집니다.
공격자가 실제로 도달할 수 있는가?
악용 가능성이 높은가?
침해되면 비즈니스 영향이 큰가?
지금 고쳐야 하는가, 나중에 처리해도 되는가?
AI Threat Defense는 이 문제를 Prepare, Scan and prioritize, Remediate, Monitor의 4단계 운영 프레임워크로 다룹니다.1 특히 Prepare 단계에서는 불필요한 인터넷 노출과 신뢰할 수 없는 접근 경로를 줄이는 데 초점을 둡니다.1 즉, 취약점을 찾기 전에 공격 표면 자체를 줄이는 것이 출발점입니다.
여기서 Wiz의 역할이 중요합니다. Wiz는 노출된 애플리케이션, 인프라, API, ID, 런타임 환경을 지속적으로 발견해 실시간 노출 지도를 만들고, AI 기반 침투 테스트 에이전트로 애플리케이션 계층과 ID 기반 위험을 포함한 복잡한 공격 경로를 시뮬레이션합니다.1
이 접근은 취약점을 “개별 항목”이 아니라 “공격 경로”로 보게 만듭니다. 기업 입장에서는 모든 알림을 같은 무게로 처리하는 대신, 실제 침해 가능성과 업무 영향을 기준으로 우선순위를 정할 수 있습니다.
단일 모델이 아니라, 여러 모델을 반복 적용하는 방어
Google은 AI Threat Defense를 하나의 만능 모델로 설명하지 않습니다. 여러 모델을 여러 차례 적용하는 방식을 전제로 합니다.1
이 관점은 중요합니다. 보안 취약점은 코드 한 줄에서만 생기지 않습니다. Google은 취약점이 애플리케이션, API, ID, 설정, 권한, 비즈니스 로직의 상호작용에서도 발생한다고 설명합니다.1 따라서 넓게 탐색하는 모델, 특정 영역을 깊게 분석하는 모델, 패치와 검증을 돕는 모델이 함께 작동해야 합니다.
예를 들어 가벼운 모델은 넓은 자산 범위를 빠르게 훑고, 더 강력한 모델은 인터넷에 노출된 서비스나 인증 로직처럼 위험도가 높은 영역을 집중 분석할 수 있습니다. 중요한 것은 모델 자체의 성능만이 아니라, 어떤 자산을 먼저 볼지, 어떤 결과를 우선순위에 올릴지, 어떤 수정안을 실제 배포 가능한 형태로 만들지까지 이어지는 흐름입니다.
Codemender는 이 흐름에서 취약한 코드를 교체하고, 패치 검증을 위한 테스트를 자동 생성하는 역할을 맡습니다.1 Google은 이를 통해 취약점 수정 시간을 몇 주에서 몇 분 수준으로 줄이는 것을 목표로 합니다.1
자동화의 가치는 속도이고, 도입의 핵심은 통제입니다
AI Threat Defense가 던지는 실질적인 질문은 “자동 패치를 믿을 수 있는가?”입니다. 자동화는 취약점 대응 속도를 높일 수 있지만, 운영 환경에서는 통제가 함께 필요합니다.
기업은 최소한 다음 기준을 확인해야 합니다.
자산 가시성
인터넷에 노출된 애플리케이션, API, ID, 인프라를 얼마나 정확히 파악할 수 있는가?위험 우선순위의 타당성
도달 가능성, 악용 가능성, 비즈니스 영향을 기준으로 실제 중요한 위험을 먼저 보여주는가?패치 검증과 승인 절차
자동 생성된 패치를 사람이 검토할 수 있는가? 테스트 결과와 변경 근거를 추적할 수 있는가?감사와 책임 소재
어떤 모델이 어떤 판단을 했는지, 어떤 코드가 왜 바뀌었는지 기록으로 남는가?
분석가들도 자율 패치에는 감사 추적, 모델 출처, SBOM 반영 같은 증거 체계가 필요하다고 지적합니다.2 따라서 자동화 수준이 높아질수록 승인, 테스트, 롤백, 감사 체계는 더 중요해집니다.
기업이 얻어야 할 교훈
Google Cloud AI Threat Defense의 의미는 보안팀을 AI로 대체하는 데 있지 않습니다. 더 정확히는 보안팀이 반복적인 분류와 패치 작업에 묶이지 않고, 실제 위험 판단과 대응 전략에 집중하도록 만드는 시도입니다.
공격 속도가 빨라지는 환경에서 기업이 배워야 할 점은 분명합니다.
취약점 관리는 목록 관리가 아니라 공격 경로 관리가 되어야 합니다.
우선순위는 기술 심각도만이 아니라 비즈니스 영향까지 반영해야 합니다.
자동 패치는 속도를 높이지만, 검증과 감사 체계 없이는 위험할 수 있습니다.
AI 보안의 경쟁력은 모델 하나가 아니라 탐지, 우선순위화, 수정, 모니터링이 연결되는 운영 흐름에서 나옵니다.
AI Threat Defense는 보안 운영의 기준을 “얼마나 많이 찾는가”에서 “얼마나 빨리, 올바른 대상을, 안전하게 고치는가”로 옮기고 있습니다. 기업이 주목해야 할 지점도 바로 여기에 있습니다.
1Introducing Google AI Threat Defense to help you outpace the adversary
2Can Google's AI Threat Defense Set the Pace for Enterprises? - Futurum
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.