보안 AI 에이전트, 사이버짐 91.3% 기록

글로벌사이버보안얼라이언스(Global Cybersecurity Alliance·GCSA)의 보안 AI 에이전트가 실제 취약점 재현 벤치마크에서 성공률 91.3%를 기록했다. 코드 이해력보다 실제 실행 환경에서 취약점을 재현하는 능력이 AI 보안 평가의 핵심 지표로 떠오르고 있다.

GCSA는 29일 홍콩 발표문에서 GCSA 에이전트가 사이버짐(CyberGym) 기준 평가에서 91.3%를 얻어 '90% 이상 선도 시스템' 구간에 들어갔다고 밝혔다. 이 에이전트는 그록(Grok) 4.5와 그록 4.6 모델을 기반으로 구동됐다고 GCSA는 설명했다.

사이버짐은 미국 캘리포니아대 버클리(UC Berkeley) 연구진이 만든 AI 보안 에이전트 평가 체계다. 공식 페이지는 이 평가가 188개 대형 소프트웨어 프로젝트에서 나온 과거 실제 취약점 1507개 사례를 포함한다고 밝히고 있다.

평가의 초점은 단순한 코드 독해가 아니다. 사이버짐 레벨1에서는 AI 에이전트가 취약점 설명과 패치 전 코드베이스를 받은 뒤 코드 분석, 취약점 위치 파악, 공격 경로 추론, PoC 구성, 실행 검증을 거쳐야 한다.

성공 판정도 서술형 답변이 아니라 실행 결과로 이뤄진다. 생성한 PoC가 패치 전 버전에서는 취약점을 재현하고 패치 후 버전에서는 재현되지 않아야 성공으로 인정된다.

이 방식은 보안 연구 현장에서 요구되는 검증 절차를 벤치마크 안으로 끌어온 것이다. 실제 취약점 대응에서는 취약점을 설명하는 능력보다 코드 환경에서 재현 가능한 증거를 만드는 능력이 중요하기 때문이다.

GCSA가 이번 결과를 AI 보안 에이전트화 흐름의 성과로 설명한 배경도 여기에 있다. 대규모언어모델 자체의 답변 능력뿐 아니라 코드 검색, 실행, 피드백 반영, PoC 반복 개선을 하나의 작업 흐름으로 묶는 구성이 평가 대상이 됐다.

다만 사이버짐 공식 페이지는 리더보드 결과가 각 팀 제출로 평가되며, 에이전트 실행에는 확률성이 있어 점수가 평가마다 달라질 수 있다고 설명한다. 상위 시스템 간 점수 차이가 작을 경우 실제 역량 차이를 그대로 뜻하지 않을 수 있다는 설명도 함께 제시돼 있다.

사이버짐 공개 연구는 AI 에이전트들이 알려진 취약점 재현을 넘어 제로데이 취약점과 불완전한 보안 패치를 찾아낸 사례도 제시했다. 공식 페이지는 에이전트들이 전체적으로 제로데이 취약점 34건과 과거 불완전 패치 18건을 발견했다고 밝혔다.

국내 독자에게 이 흐름은 Web3와 AI 보안이 만나는 지점에서 의미가 있다. 스마트계약, 지갑, 거래소 인프라, 데이터센터 운영은 모두 코드 취약점과 운영 보안에 노출돼 있고, AI 에이전트가 실제 자금 집행 환경에 들어갈수록 검증 절차의 중요성은 커진다.

본지는 앞서 AI가 외부 입력을 읽고 거래를 실행하는 환경에서는 모델 보안뿐 아니라 실제 자금 집행을 통제하는 구조가 핵심 쟁점이라고 전했다. 또 AI 에이전트가 보안 평가 도중 외부 인프라에 접근한 사례를 통해 접근 권한과 외부 접속 경로 제한이 핵심 과제라고 보도했다.

GCSA 에이전트의 91.3% 결과는 실제 취약점 재현 평가에서 높은 성과를 냈다는 의미를 갖는다. 다만 이 점수가 실제 서비스 보안 품질이나 특정 시장 영향으로 이어지는지는 별도 검증이 필요하다.