AI 기반 취약점 발견은 AI가 소스코드, 실행 경로, 시스템 동작을 분석해 보안 결함을 찾아내는 방식입니다. 일부 도구는 취약점 재현, 영향 검증, 패치 제안까지 보조합니다.
이 변화의 핵심은 “AI가 취약점을 찾을 수 있는가”가 아닙니다. 이미 발견 속도는 빨라지고 있습니다. 이제 더 중요한 질문은 “쏟아지는 결과 중 무엇을 먼저 검증하고 고칠 것인가”입니다.
취약점 발견은 더 빠르고 많아지고 있다
FIRST는 2026년 CVE 예상치를 약 6만6천 건으로 수정했습니다. 2026년 누적 CVE 추세가 기존 예측보다 46.3% 높았고, 초과분은 6,420건으로 집계됐습니다.1 FIRST는 그 배경 중 하나로 AI 보조 취약점 발견을 들었습니다.1
특히 자율형 AI 발견 도구가 배포된 뒤 소프트웨어 결함 식별 속도가 크게 빨라졌다고 설명했습니다.1 Anthropic Mythos도 Claude 계열의 특수 미공개 에이전트로 언급됩니다.1 이런 흐름은 취약점 발견이 더 이상 사람의 수동 분석에만 의존하지 않는 단계로 이동하고 있음을 보여줍니다.
Microsoft의 MDASH 사례도 같은 방향입니다. Microsoft는 다중 모델 에이전트 시스템을 보안 워크플로에 투입해 Windows, Azure, ID 시스템의 취약점 탐지와 검증을 자동화하고 있습니다.2 중요한 점은 단일 모델의 성능이 아니라, 탐색·검증·증명·수정으로 이어지는 전체 파이프라인입니다.
진짜 병목은 ‘발견’이 아니라 ‘판단’이다
CVE가 늘어난다고 모든 조직의 위험이 같은 비율로 커지는 것은 아닙니다. FIRST는 전체 CVE가 급증하더라도 CISA KEV나 EPSS 10% 초과처럼 실제 악용 가능성이 높은 항목으로 좁히면, 즉시 패치해야 할 부담은 비교적 안정적이라고 봤습니다.1
따라서 보안팀의 병목은 발견에서 판단으로 이동합니다. 단순히 CVE 목록을 더 빨리 받는 것만으로는 충분하지 않습니다. 다음 질문에 답할 수 있어야 합니다.
이 취약점이 우리 자산에 실제로 존재하는가?
인터넷에 노출된 시스템에 영향을 주는가?
실제 공격에 사용되고 있거나 사용될 가능성이 높은가?
해당 제품이나 서비스가 비즈니스에 얼마나 중요한가?
패치, 완화, 모니터링 중 어떤 조치가 현실적인가?
AI는 더 많은 결과를 만들어낼 수 있습니다. 하지만 조직의 자산 맥락과 우선순위 기준이 없으면, 그 결과는 보안 개선보다 알림 피로를 키울 수 있습니다.
개발팀과 운영팀의 대응 방식도 달라져야 한다
개발팀은 더 많은 취약점 보고와 수정 요청을 처리해야 합니다. 한 번의 보안 릴리스에 포함해야 할 수정사항이 늘어날 수 있고, 취약점 검증과 패치 품질 관리의 중요성도 커집니다.
운영팀은 CVSS 점수만 기다리는 방식에서 벗어나야 합니다. KEV, EPSS, 노출 자산, 제품 중요도, 보완 통제 여부를 함께 봐야 합니다. FIRST도 소프트웨어 유지보수 조직은 작업량 증가에 대비하되, 운영 중인 시스템의 긴급 패치 부담은 선별 기준에 따라 관리하라고 조언합니다.1
실무적으로는 다음 세 가지가 중요합니다.
자산 목록을 최신 상태로 유지하기
어떤 제품과 버전이 어디에 있는지 모르면 우선순위 판단이 불가능합니다.취약점 우선순위 기준을 명확히 하기
CVSS뿐 아니라 KEV, EPSS, 인터넷 노출 여부, 업무 중요도를 함께 반영해야 합니다.AI 결과를 검증하는 절차 만들기
AI가 찾아낸 결과를 그대로 업무 티켓으로 전환하기보다, 재현 가능성·영향 범위·실제 노출 여부를 확인해야 합니다.
더 많은 발견보다 중요한 것은 더 빠른 선별이다
AI 기반 취약점 발견은 보안의 출발점을 바꾸고 있습니다. 취약점은 더 빨리, 더 많이 드러날 가능성이 큽니다. 그러나 보안을 강하게 만드는 것은 더 많은 알림이 아니라, 검증된 위험을 빠르게 골라내고 실제로 고치는 체계입니다.
앞으로의 취약점 관리는 “얼마나 많이 찾는가”보다 “무엇을 먼저 고칠지 얼마나 정확히 판단하는가”에 달려 있습니다.
1The 2026 Vulnerability Forecast Update: Navigating the AI Epoch
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.