AI 자율 보안 에이전트, 어디까지 왔나국내외 자율 침투·취약점 분석 에이전트 지형과 실제 능력숭실대학교 AI안전성연구센터 · 2026.101. 지금 무엇이 문제인가최근 국내 금융권 연쇄 침해사고에서 공격 서버에 중국어권 오픈소스 AI 자율 침투 도구 ‘ARTEX’의 흔적이 확인됐다는 보도가 나왔다. “AI가 해킹을 한다”는 우려가 커지면서, 그 능력이 실제로 어느 정도이고 어떤 도구들이 있는지에 대한 관심이 높다. 이 글은 국내외 자율 보안 에이전트의 현황과 수준을 정리한 것이다.먼저 짚을 것: 이번 사고는 ‘AI가 혼자 공격한 것’이 아니라 ‘공격자가 자율 에이전트를 도구로 쓴 것’이다. 금융보안원도 같은 취지로 설명했다. 새로운 것은 공격 수법이 아니라 공격의 문턱이다 — 전문 인력 없이, 공개 도구와 공개 모델만으로 여러 표적을 동시에 칠 수 있게 됐다.2. 자율 보안 에이전트란기존 취약점 스캐너는 정해진 규칙을 순차 실행한다. 자율 에이전트는 다르다. LLM이 스스로 목표를 쪼개고(계획), 실제 도구를 실행하고(행동), 발견한 자산·취약점을 쌓아가며(기억), 결과를 보고 다음 수를 바꾼다(피드백). 정찰 → 취약점 탐색 → 침투 경로 설계 → 도구 실행 → 검증의 전 과정을 사람 개입 없이 끌고 갈 수 있다.핵심은 능력이 모델이 아니라 ‘구성’에서 나온다는 점이다. 같은 모델도 어떤 에이전트 구조(다중 에이전트·도구·메모리)에 얹느냐에 따라 사이버보안 평가 점수가 크게 달라진다. 그래서 특정 모델을 막거나 개발 속도를 늦추는 것으로는 이 위험을 다루기 어렵다.3. 이번 사건의 ARTEX, 무엇인가ARTEX(아르텍스)는 중국어권 개발자가 깃허브에 오픈소스로 공개한 LLM 기반 자율 침투 테스트 시스템이다. 2026년 7월 말 공개돼, 한 달 뒤인 9월 3일 중국 바이두 보안대응센터(BSRC)가 연 ‘Agent+ 공격·방어 능력 챌린지’(150여 팀 참가, 8팀 결선)에서 종합 우승했다.구조 — 여러 에이전트가 스스로 목표를 쪼개고, 실제 보안 도구를 실행하며, 발견한 자산·취약점을 그래프로 쌓아간다. Go 단일 바이너리에 웹 UI가 내장돼 있고 데이터는 PostgreSQL에 저장된다.모델 교체형 — 특정 모델에 묶이지 않는다. Claude·GPT·DeepSeek 등 어떤 LLM이든 API나 OpenAI 호환 엔드포인트로 붙여 쓸 수 있다. 어떤 모델을 붙였는지는 사용자가 정한다.누구나 사용 — 오픈소스라 코드를 그대로 내려받을 수 있고, 이미 한국어판 포크가 깃허브에 여럿 올라와 있다.이번 사건과의 관계: 금융보안원이 신한은행 로그와 공격 IP를 역추적한 결과 ARTEX 관련 흔적이 확인됐다고 밝혔다. 다만 “AI가 사람 없이 독자적으로 공격한 것이 아니라 공격자가 ARTEX라는 AI 도구를 이용한 것”이라는 설명이다. 오픈소스 도구인 만큼 특정 국가·세력의 전용 도구로 단정할 수 없고, 공격자 신원도 미확정이다(2026.10 기준).4. 왜 중요한가 — 모델이 아니라 ‘모델+에이전트’같은 모델이라도 에이전트를 붙이면 능력이 크게 뛴다. 이것이 이번 사안의 핵심이다. 아래는 같은 모델(Claude Opus 4.6)에 에이전트 구성을 얹었을 때의 변화다.같은 모델, 구성만 바꿨을 때 — 사이버짐 성공률66.6Opus 4.6모델 단독→91.0+ 에이전트 구성(mneme)숭실대 AI안전성연구센터 mneme — 다중 에이전트·분석 도구·구조화 메모리를 얹어 +24.4%p. 90% 이상 선도 그룹(국내 연구팀 최초·유일 등재). 모델은 그대로, 구성만 바꿨다.ARTEX도 같다 — 개별 평가 점수는 중위권(바이두 챌린지 실전 7위)이었으나 종합 1위에 올랐다. 구성이 승부를 갈랐다.함의: 에이전트는 오픈소스이고, 모델은 공개 가중치이거나 API로 누구나 쓸 수 있다. 그 조합이 승인 기관에만 제공되는 보안특화 폐쇄 모델과 대등하거나 앞선다(사이버짐 공식 보드 상위권에 공개 모델이 섞여 있고, 에이전트 구성이 그 위에 있다). 즉 모델을 통제해서 능력 확산을 막는다는 전제는 이미 무너졌다. 전문 인력도 고가 장비도 필요 없으니, 이런 공격은 앞으로 흔해진다. 평가와 통제의 단위를 ‘모델’이 아니라 ‘모델+구성(에이전트)’으로, 그리고 운영 단계로 옮겨야 하는 이유다.5. 국내외 자율 보안 에이전트이름 (주체)공개하는 일 · 구조수준·근거ARTEX (중국/바이두)오픈소스멀티에이전트 자율 침투. 모델 교체 가능바이두 Agent+ 챌린지 종합 1위. 이번 금융권 사건 관련 도구. 한국어판 포크 다수MDASH (Microsoft)상용(프리뷰)상용 모델(GPT·Claude) + 100여 전문 에이전트 하네스. 코드 취약점 발견·검증·익스플로잇 증명사이버짐 91.0, 선도 그룹(2026.5 발표 당시 88.45로 1위). Windows 커널 RCE 4건 등 16건 발견XBOW (미국)상용완전 자율 웹·API 침투HackerOne 美 1위(2025.6), 90일 1,060건. 단, 제출 전 사람 검토ARTEMIS (연구)연구실전망 자율 침투8,000호스트 실전서 사람 전문가 10명과 겨뤄 2위PentestGPT 등오픈소스LLM 기반 침투 보조·자동화USENIX Security 2024 발표. 유사 프레임워크 다수프런티어 모델 직접상용 API모델 자체를 에이전트로 운용국가 지원 그룹이 Claude Code로 침투 80~90% 자율 실행(Anthropic 보고)mneme (숭실대 센터)연구코드 취약점 분석(방어 검증용)사이버짐 91.0(구성 적용), 선도 그룹 — Microsoft MDASH와 동률. 국내 최초·유일 등재티오리 진트 Xint상용8개 에이전트 동시 정찰·분석·검증미 DARPA 연구 수행·AIxCC 상위권. 국내 금융그룹 공급엔키화이트햇 OFFen상용AI 웹 침투테스트 자동화(방어)국내 시중은행 공급. 데프콘·카스퍼스키 CTF 수상팀 기술※ 공격형·방어형을 함께 실었다. 같은 기술이 공격과 방어 양쪽에 쓰인다.국내 동향 — 과기정통부는 사이버보안 특화 파운데이션 모델을 개발 중이다(네이버클라우드 컨소시엄, 41개 기관). 이는 에이전트가 아니라 ‘모델’로, 700B MoE 2개를 병렬 개발한다 — 방어(하이퍼클로바X 기반)·공격(엑사원 기반). 공격 모델 목표는 사이버짐에서 GLM-5.3 대비 1단계 80%(2027.2)·최종 100%(2027.7)이며 2027 하반기부터 4대 기반시설에 적용될 예정이다. 다만 이 모델도 결국 에이전트에 얹혀 쓰이므로, 능력은 공개 시점의 모델 점수가 아니라 구성까지 포함해 보아야 한다.6. 실제 능력은 어느 정도인가 — 점수로 보기취약점 발굴 벤치마크 ‘사이버짐(CyberGym)’ 공식 리더보드 성공률(%)이다(2026.10 기준). 위 두 개는 에이전트 구성(Agent-focused), 아래 다섯은 모델 단독(Model-focused) 상위 5개다. 모델 단독 최고(88.9)보다 에이전트 구성(91.0)이 위에 있다.mneme · 숭실대 (에이전트)91.0MDASH · Microsoft (에이전트)91.0XekRung-1.5-27B · 알리바바 (모델)88.9Gemini 3.8 Flash Cyber · 구글 (모델)86.3GPT-5.5-Cyber · 오픈AI (모델)85.6GLM-5.3 · 즈푸 (모델)84.5DeepSeek-V4-Pro (모델)83.3에이전트 구성 공개 가중치 모델 폐쇄 모델(보안 특화)사이버짐 공식 리더보드 — Agent-focused, 90% 이상 선도 그룹 17개 (2026.10 캡처, 무작위 순서)선도 그룹 17개: mneme(숭실대)·MDASH(Microsoft)·Wiz Atlas 외에 NSFOCUS·天工·Alibaba Spur·Fangcun·DARKNAVY·Alipay·Sangfor·Huawei 磐石·Fudan 白泽 등. 카드에 표시된 모델이 대부분 DeepSeek-V4·GLM-5.3이다. 마우스를 올리면 점수가 보이며 mneme과 MDASH는 공히 91.0%.사이버짐 공식 리더보드 — Model-focused 상위 5 (2026.10 캡처)모델 단독 1위는 알리바바 시큐리티의 27B 모델(88.9). 공개 모델과 보안특화 폐쇄 모델이 5점 안에 섞여 있다.읽는 법: ① 모델 단독으로는 공개 모델(알리바바 27B·GLM·DeepSeek)과 폐쇄 보안특화 모델(Gemini Cyber·GPT Cyber)이 5점 안에 섞여 있다 — 공개 모델이 통제 모델과 대등하다. ② 에이전트를 얹으면 그 위로 올라간다 — 센터 mneme은 같은 Opus 4.6을 단독 66.6에서 91.0으로 끌어올렸고, Microsoft의 MDASH(상용 모델 GPT-5.4·Claude를 100여 개 전문 에이전트로 엮은 하네스)도 91.0으로 동률이다.Microsoft가 MDASH를 내놓으며(2026.5) 한 말이 이 그래프의 요지다 — “지속 가능한 우위는 어느 한 모델이 아니라 모델을 둘러싼 에이전트 시스템에 있다.” 전용 모델 없이 상용 모델들을 엮어 당시 단일 모델 Mythos(83.1)·GPT-5.5(81.8)를 제쳤고, Windows 커널에서 치명 RCE 4건 등 16건을 찾았다.90% 이상 선도 그룹은 17개 시스템이다. 그중 확인된 중국 팀만 9개(NSFOCUS·天工·Alibaba·Fangcun·DARKNAVY·Alipay·Sangfor·Huawei·Fudan)이고, 쓰는 모델은 압도적으로 DeepSeek-V4·GLM-5.3 같은 공개 가중치다. 비중국은 Microsoft MDASH·Wiz, 그리고 한국은 mneme 하나다. 접근이 쉬운 공개 모델 위에 에이전트를 얹으면 누구나 선도 그룹에 든다는 뜻이다.단, 더 어려운 과제(실제 익스플로잇 생성, ExploitBench)에서는 보안특화 폐쇄 모델이 아직 앞선다. ‘사이버보안 능력’을 단일 점수로 말할 수 없다는 뜻이다.자율 침투 실전에서도 구성이 승부를 가른다 — ARTEX 종합 1위, XBOW HackerOne 美 1위(1,060건).※ 리더보드 점수는 각 팀이 제출한 자체 측정값이며, 선도 그룹은 무작위 순서로 표시되고 사이트 주석대로 작은 차이는 의미 있는 능력 차가 아니다. 벤더가 별도 보고한 수치(예: 샤오미 MiMo 95.1)는 공식 보드에 없어 제외했다.침투 에이전트의 점수는? — 공개 리더보드가 없다사이버짐은 코드 취약점 발굴 벤치마크다. ARTEX·XBOW 같은 침투 에이전트는 다른 과제라 사이버짐 점수가 없고, 침투 쪽에는 사이버짐 같은 공개 리더보드 자체가 없다. 벤치마크는 여럿이지만 논문마다 각자 재서 보고하는 구조라 한 보드에서 줄 세울 수 없다. 있는 근거는 성격이 다른 세 종류다.종류예무엇을 말해주나CTF 벤치마크Cybench(40문제, ICLR 2025) — 최근 논문에서 GPT-5.5가 hard 변형 94.1% / AutoPenBench(33문제) — 완전 자율 에이전트는 “거의 전부 실패”, 사람이 보조하면 급상승조건이 현실적일수록 점수가 급락한다. 완전 자율 침투는 아직 멀었다실전 실적XBOW — HackerOne 美 1위(90일 1,060건) / ARTEMIS — 8,000호스트 실전망에서 사람 전문가 10명과 겨뤄 2위벤치마크가 아닌 실제 결과. 가장 설득력 있으나 서로 비교는 불가대회바이두 Agent+ 챌린지 — ARTEX 종합 1위(실전 67.83·TSecBench 89.78) / DARPA AIxCC대회마다 기준이 달라 횡비교 불가. 순위보다 ‘어떤 능력을 쟀나’가 중요함의: 코드에서 취약점을 찾는 능력은 90%대로 성숙했지만, 살아 있는 시스템을 뚫는 완전 자율 침투는 현실적 조건에서 아직 사람 보조가 필요하다. 이번 사건이 ‘AI 혼자’가 아니라 ‘사람이 ARTEX를 운용’한 것과 맞아떨어진다. 다만 그 ‘사람’이 더 이상 전문가일 필요가 없다는 것이 바뀐 점이다.7. 정리 — 세 가지 사실① 누구나 통제 없이 사이버 능력을 손에 넣을 수 있다. 에이전트는 오픈소스(ARTEX 등), 모델은 공개 가중치나 API — 승인도 심사도 없이 내려받아 결합하면 된다. 그 조합이 보안특화 폐쇄 모델과 대등하거나 앞선다(사이버짐 선도 그룹 17개 중 대부분이 공개 모델 기반 에이전트). 접근을 통제하는 모델을 만들어도, 통제하지 않는 공개 모델로 같은 능력을 얻을 수 있어 모델 통제 자체가 의미를 잃는다.② 발견·열거는 사람 수준에 근접했으나, 검증·판단은 아직 사람 몫이다. 업계 공통 평가는 “자율 AI가 침투 테스트에서 진짜로 경쟁력 있지만 아직 사람을 대체하지 못한다”는 것이다. ‘사람 없는 공격’은 아직이지만 ‘비전문가도 쓰는 공격’은 이미 왔다.③ 능력은 모델이 아니라 구성에서 나오고, 공개 모델이 통제 모델을 이미 앞서는 영역이 있다. 따라서 대응은 모델 규제나 개발 속도 조절이 아니라 운영 단계의 통제 — 능력 검증(모델+구성 단위), 실시간 감시·차단, 사고 추적 — 으로 가야 한다.문의: 숭실대학교 AI안전성연구센터

송경희 위원장 “AI 시대 개인정보 보호 혁신”... 제6회 개인정보 보호의 날 기념식최대선 숭실대 교수 홍조근정훈장 수상송경희 개인정보보호위원회 위원장은 개인정보 보호의 날을 맞아 “AI 시대 개인정보 보호 혁신”을 나아갈 방향으로 제시했다.개인정보위는 30일 오전 10시 서울 엘타워 그레이스홀에서 ‘제6회 개인정보 보호의 날 기념식’을 개최하였다. 이날 기념식에는 개인정보보호 유공자 및 개인정보 분야 관계자 350여 명이 참석했다.‘신뢰로 도약하는 인공지능(AI) 혁신 사회’를 주제로 개최된 이번 기념식은 그간 정부가 추진해 온 개인정보 보호 정책의 성과를 국민과 나누고 신뢰와 보호에 기반한 인공지능·데이터 혁신의 방향을 함께 그려보는 대국민 소통의 장으로 마련됐다.송경희 개인정보위 위원장은 환영사에서 위원회가 나아갈 방향으로 △인공지능 시대에 대응하는 개인정보 보호 체계 혁신 △기업·기관의 책임과 사전예방 체계 강화 △국민 권익 증진 등을 제시하며 이를 위해 달성한 핵심적 성과를 소개했다.송 위원장은 “확립된 안전은 신뢰를 만들고, 신뢰는 더 큰 혁신을 가능케 한다”라고 강조하며, “모든 국민이 걱정 없이 인공지능 기술을 누림으로써, 국민의 삶과 일상이 더욱 풍요로워지는 사회를 만들겠다”라고 밝혔다.이어진 축사에서 한성숙 국무총리는 인공지능 3대 강국에 걸맞게 국민이 안심하고 기업과 연구자는 자유롭게 혁신하는 개인정보 보호체계 마련을 당부했다.유동수 정무위원장은 축사에서 국회에서도 개인정보 문제를 무겁게 다루고 있으며, 관련 입법 논의가 원활히 이어질 수 있도록 노력을 아끼지 않겠다고 밝혔다.서일준 정무위원회 간사는 개인정보 보호에 대한 국민적 관심이 커지고 있는 만큼 국민의 신뢰를 바탕으로 보안 체계의 혁신이 이루어질 수 있도록 적극 지원해 나갈 것이라고 강조했다. 아울러, 유럽연합 등 해외 개인정보 보호 담당 정부 기관에서도 영상을 통해 축하의 말씀을 전했다.개인정보 보호 유공 시상식에서는 정부포상 13점, 위원장 표창 52점이 수여됐다. 홍조근정훈장은 인공지능 프라이버시 민관정책협의회 리스크관리 분과장으로서 인공지능 프라이버시 위협 진단 및 경감 방안을 체계화한 숭실대학교 최대선 교수가 수상했다. 제이앤씨큐리티 김경하 대표에게는 개인정보 보호·활용 관련 주요 제도의 정착과 발전에 기여한 공로로 국민포장이 수여됐다.이날 행사에는 청소년, 청년, 연구기관, 기업, 지역 담당자 등 각계각층으로 구성된 국민대표단이 참여하는 토크콘서트가 진행되어 큰 호응을 얻었다. 해당 세션에서는 디지털 세대가 느끼는 개인정보에 관한 생각부터 가명정보 센터·의료 데이터 연구 등 안전한 개인정보 활용 현장의 경험까지 다양한 이야기가 오고 갔다. 이번 토크콘서트는 정책 대상자인 국민의 생생한 의견을 청취하고, 정부가 국민과 함께 인공지능 시대의 개인정보 보호와 활용에 대해 고민하는 자리였다는 점에서 뜻깊었다.체험·전시 부스에는 공공기관과 민간기업이 참여하여 로보틱스, 자율주행, 인공지능 안경 등 실물 인공지능 분야 개인정보 안전 활용 기술을 선보였다. 가명정보 처리와 배달 로봇의 개인정보 인식·처리 과정, 자율주행 차량의 영상정보 학습, 웨어러블 기기의 생체정보 보호 체계 등 최신 기술과 이를 뒷받침하는 공공·민간 분야의 개인정보 보호 노력을 한자리에서 만나볼 수 있었다.개인정보위는 앞으로도 국민과 개인정보 보호 현장의 목소리에 지속적으로 귀 기울이며, 신뢰 기반 개인정보 보호 문화 확산과 안전한 데이터 활용을 통한 인공지능 혁신에 앞장설 계획이다.[관련 기사] 송경희 위원장 “AI 시대 개인정보 보호 혁신”... 제6회 개인정보 보호의 날 기념식 - 보안뉴스 [https://www.boannews.com/news/articleView.html?idxno=146110]

취약점 분석 시스템 '무네메' 글로벌 평가 '사이버짐'서 공동 세계1위 달성(지디넷코리아=방은주 기자)숭실대학교 AI안전성연구센터(Soongsil AISC, 센터장 최대선 교수)가 개발한 멀티에이전트 취약점 분석 시스템 ‘무네메(mneme)’가 글로벌 사이버보안 AI 평가체계인 사이버짐(CyberGym) 공개 리더보드에 등재됐다. 센터는 "2026년 8월 30일 현재국내 연구팀 최초이자 현재 유일하게 등재됐다"고 밝혔다.'무네메'는 그리스어로 ‘기억’을 뜻한다. 과거 취약점 분석에서 얻은 지식을 구조화된 인과기억으로 정리하고, 여러 AI 에이전트가 이를 적극적으로 활용해 새로운 취약점의 원인과 재현 경로를 추론하도록 설계한 시스템의 핵심 특성을 이름에 담았다.30일 센터에 따르면, '무네메'는 사이버짐 레벨 1의 전체 1507개 과제에서 91.0%의 단일 시도 성공률을 기록해 마이크로소프트의 멀티에이전트 취약점 분석 시스템 'MDASH'와 같은 성능을 보였다. '무네메'가 평가를 완료한 2026년 7월 13일 당시 공개 최고 성적은 91.0%로, 제출 시점 기준 세계 공동 1위에 해당한다고 센터는 설명했다. 현재 리더보드는 90% 이상 시스템을 ‘선도 시스템’으로 묶어 무작위 순서로 표시하며, 점수는 참고용으로 제시하고 있다.사이버짐, AI의 실전 사이버보안 수행능력을 가늠하는 핵심 척도'사이버짐'은 오픈소스 소프트웨어 취약점을 대상으로 AI가 소스코드를 분석하고, 취약점 발생 경로를 추적하며, 이를 실제로 재현하는 코드를 제작·실행하도록 설계된 대규모 실전형 벤치마크다. 188개 오픈소스 소프트웨어 프로젝트에서 수집한 취약점 1507개를 기반으로 하며, 단순한 보안 지식이나 코드 생성 능력이 아니라 코드 이해, 취약점 추론, 전문 도구 사용, 반복 실행과 결과 검증 능력을 종합적으로 평가한다. 이에, 사이버짐은 사이버보안 특화 AI와 에이전트의 실전 취약점 연구 역량을 비교·검증하는 대표적인 글로벌 핵심 척도로 주목받고 있다.지난 4월 앤트로픽의 범용 AI모델 ‘클로드 미토스 프리뷰’도 사이버짐의 모델 중심 평가에서 당시 최고 수준인 83.1%를 기록하며 뛰어난 사이버보안 능력을 주목받았다. 숭실대 AI안전성연구센터의 '무네메'는 같은 평가체계에서 91.0%를 달성, 미토스 프리뷰의 기록을 7.9%포인트 상회했다고 센터는 밝혔다.같은 모델의 성능을 66.6%에서 91.0%로최대선 센터장은 "이번 성과에서 가장 주목할 부분은 모델 자체보다 에이전트 하네스 엔지니어링이 만들어낸 성능 향상"이라면서 "무네메가 사용한 AI 기반 모델(파운데이션 모델)은 클로드 오퍼스 4.6이다. 사이버짐의 공통 실행환경에서 이 모델이 기록한 기본 성능은 66.6%였지만, 무네메는 같은 모델에 보안 전문지식, 멀티에이전트 협업, 분석 도구, 구조화된 기억과 반복 검증 절차를 결합해 91.0%를 기록했다. 동일 기반 모델의 성능을 24.4%포인트 높였다"고 말했다.이어 "사이버짐 공개 결과에서도 공통 실행환경에서 평가한 모델 중심 결과의 최고 성능은 85%대인 반면, 역할 분담과 전문 도구, 기억체계 및 실행 검증 절차를 별도로 설계한 에이전트 중심 시스템은 90% 이상의 성능을 보였다. 이는 사이버보안 AI의 경쟁력이 모델 규모나 추론 성능만으로 결정되지 않으며, 모델을 실제 보안업무에 투입할 수 있도록 역할·도구·기억·작업흐름·검증절차를 설계하는 하네스 엔지니어링이 핵심 변수가 된다는 점을 보여준다"고 짚었다.'무네메'가 달성한 91.0%는 사이버짐에서 미토스 프리뷰가 기록한 83.1%보다 7.9%포인트 높은 성능이다. 최 센터장은 "다만 이는 클로드 오퍼스 4.6 모델 자체가 미토스 프리뷰보다 우수하다는 뜻이 아니라, 기본 성능이 낮은 모델이라도 전문적인 에이전트 하네스를 결합하면 더 강력한 모델의 기본 성능을 넘어서는 실전 시스템으로 발전시킬 수 있음을 보여준다"고 설명했다.최대선 숭실대 AI안전성연구센터장최대선 센터장 "기존 모델로도 세계 최고 수준 사이버보안 시스템 가능"그리스어로 ‘기억’을 뜻하는 '무네메'는 하나의 AI가 모든 작업을 수행하는 대신 소스코드 구조와 입력 경로를 파악하고, 서로 다른 가설로 취약점을 분석하며, 제작한 입력값을 실제 환경에서 반복 검증하는 역할을 여러 에이전트에 분담한다. 구조화된 인과기억에는 취약점이 발생하는 원인, 프로그램의 실행·데이터 흐름, 파일 형식의 구조, 실패 원인과 복구 전략 등이 재사용 가능한 지식으로 축적한다. 각 에이전트는 필요한 기억과 분석 도구를 선택해 활용하고, 실행 결과를 바탕으로 가설과 입력을 반복적으로 수정한다.최 센터장은 “이번 성과는 사이버보안 AI의 경쟁력이 기반 모델의 성능만으로 결정되지 않는다는 점을 보여준다"고 재차 강조하며 "보안 전문지식과 멀티에이전트 협업, 분석 도구, 구조화된 기억 및 반복 검증을 하나의 하네스로 결합하면 기존 모델도 세계 최고 수준의 사이버보안 시스템으로 고도화할 수 있다"고 진단했다.최 센터장은 정부가 추진 중인 사이버보안 특화 AI 파운데이션 모델 개발에서도 기반 모델 구축이 핵심 출발점이라고 전제하며 "다만 개발된 모델을 취약점 분석, 보안관제와 사고대응 등 실제 업무에 적용하려면 보안 전문 에이전트, 분석 도구 연계, 장기 기억, 권한통제, 반복 검증과 실전형 벤치마크가 함께 갖춰져야 한다. 모델 개발 성과를 현장 성능으로 전환하는 하네스 엔지니어링이 중요한 이유"라고 강조했다.한국은 초거대 AI 모델 규모 경쟁만으로 세계 선두를 단기간에 따라잡기 쉽지 않다. 최 센터장은 "국산 모델에 사이버보안 전문지식과 에이전트 하네스를 결합하면 전문 영역의 실전 성능에서는 세계 수준에 더 빠르게 도달할 수 있다"면서 "무네메 성과는 모델 기본 능력을 그대로 사용하는 데 그치지 않고, 국내 기술로 설계한 하네스와 검증체계를 통해 성능 격차를 크게 줄일 수 있다는 가능성을 구체적인 수치로 보여준다"고 설명했다.이어 "국산 사이버보안 파운데이션 모델 개발에서도 모델 자체와 함께 하네스, 실전형 벤치마크와 독립 검증체계를 동시에 확보해야 한다”며 “모델 개발기관, 보안기업의 현장 전문성, 하네스 엔지니어링과 대학의 검증 역량을 결합하면 국내 사이버보안 AI 기술 수준과 사업화 속도를 함께 높일 수 있다”고 짚었다.모델·하네스·벤치마크를 연결하는 AI 보안·안전 전문센터한편 숭실대학교 AI안전성연구센터는 2024년 설립한 국내 최초의 민간 AI 보안·안전 전문 연구센터다. AI 위험관리, 국방 AI 보안, AI 신뢰성 제고와 차세대 AI 위협 분석을 중심으로 모델·에이전트 시스템의 보안성·안전성 평가, 사이버보안 AI 하네스 개발, 레드티밍, 실전형 벤치마크와 시험평가를 수행하고 있다.특히 센터는 국내외 파운데이션 모델 20종에 57종의 공격기법을 적용한 보안성·안전성 비교평가를 수행, 국내 모델의 종합 수준이 해외 모델의 약 82%임을 제시하는 등 국내 AI 모델의 보안성·안전성 평가 기반을 구축해 왔다.이번 무네메 개발과 사이버짐 평가에는 류석준, 노승덕, 서채원, 양홍장, 김동현 연구원이 참여했다. 센터는 모델의 위험을 평가하는 데서 나아가, 기반 모델의 실제 보안 수행능력을 높이는 에이전트 하네스 개발과 세계적 실전 벤치마크 검증까지 역량을 확장했다. 센터는 ▲기반 모델을 실제 사이버보안 업무용 에이전트로 전환하는 하네스 설계 ▲AI 모델과 에이전트 시스템의 보안성·안전성 독립 검증을 연결해 국내 사이버보안 AI 개발과 사업화에서 중추적 역할을 수행할 계획이다.[관련기사] 지디넷코리아 _ 숭실대 AI안전성연구센터 "MS와 버금 세계적 보안 AI 개발

○ 상세채용분야 및 인원 - AI 보안 (Security, Safety for AI)  연구과제 연구원  1 명 - 업무    : 국가연구개발사업 등 연구과제 수행 및 성과 관리    : LMM(Large Multimodal Model) 취약점 분석    : LMM 안전성 검증 및 평가 기술 개발    : AI 보안성·안전성 평가 기술 연구 AI 보안 위협 대응 및 방어 기술 개발    : 국내외 학술논문 작성 및 학술대회 발표    : 연구개발 결과물, 보고서 및 과제 성과 관리 ○ 제출서류내용  - CV    : 주요 연구경력 및 연구성과    : 지원 분야와 관련된 연구 경험 포함    : 향후 수행하고자 하는 연구계획 등을 포함하여 구성 ○ 응모자격  - 관련 분야 석사 또는 박사 학위 소지자  - 우대 사항    : AI 보안·안전성 연구 경험    : LLM(Large Language Model) 또는 LMM(Large Multimodal Model) 연구 경험    : 국가연구개발사업 수행 경험    : 국제학술지 및 학술대회 논문 게재 또는 발표 실적    : 영어 논문 작성 능력    : Python 및 PyTorch 활용 능력 ○ 급여조건   - 근무처 :  서울특별시 동작구 사당로 46, 숭실대학교 창의관   - 근무 시간: 주 5일 근무, 월요일~금요일 09:00~18:00   - 신분 : 석사 : 산학협력단 소속 전임연구원,  박사 : 교무처 소속 연구교수   - 급여 : 석사 : 연봉 4,000만원 이상,   박사 :  연봉 6,000만원 이상,   경력 및 연구 실적에 따라 협의 가능,  퇴직금 및 4대 보험 포함   - 휴가 : 연 15일 (매년 1일 추가)   - 연구 지원      : GPU, api 토큰      : 국내외 학술대회 참가 등 ○ 전형방법  - 1차 서류  - 2차 면접 ○ 서류제출방법  - 접수 마감: 2026년 7월 31일 (자정까지 도착분에 한함)  - 접수 방법: 이메일 접수 rnrud7932@soongsil.ac.kr ○ 기타 -  문의 : rnrud7932@soongsil.ac.kr  - 센터 홈페이지 : https://aisc.ssu.ac.kr

<AI안전성연구센터(AI Safety Center) 학부연구생 모집>연구센터 홈페이지: http://aisc.ssu.ac.kr/ • 모집 인원: 최대 1명• 수행 기간 : 26년 9월 ~• 모집 기간 : ~8월 19일• 모집 대상: 본교 2~4학년 재학생 (소프트웨어학부 외 관련 전공의 타 학과도 가능)• 연구 분야   - 생성형 AI 보안: LLM 입출력 데이터(자연어)에 대한 악성/유해 탐지 가드레일 개발      * 가드레일 구현 및 분석      * 튜닝 및 최적화를 통한 성능 개선      * 실증/기술이전 등 산업 맞춤형 최적화 및 산업 요구사항 반영   - 지원 요건 : Python 프로그래밍, 머신러닝/딥러닝 기초   - 문의 및 지원 : 나현식 연구교수 / rnrud7932@soongsil.ac.kr• 우대 사항   - 연구에 관심이 많고 문제 해결 능력이 우수한 자   - 학석 연계 또는 석사 진학에 관심이 있는 자• 연구실 혜택   - full time 기준 학생인건비 100% 지급(방학 중)   - 국내외 컨퍼런스 및 SCI급 논문 작성 경험 제공   - 국내외 대규모 워크숍 및 전문가 초청 세미나 참관• 근무 조건 및 장소   - 주 5일 full time   - 창의관 403호

▶ AI가 음성 특징 학습 못 하게 하는 사전 차단 기술…보이스피싱·금융사기 대응▶ 음성·신호처리 분야 최고 권위 학회 채택…방어 무력화 시도에서도 성능 유지<숭실대 AI안전성연구센터 최대선 교수 연구팀 (왼쪽부터 최대선 교수, 박소희 연구교수, 석사과정 김승민 학생, 김다인 학생) (사진1=숭실대 제공)>숭실대학교(총장 이윤재)는 AI안전성연구센터 최대선 교수 연구팀(박소희 연구교수, 석사과정 김승민 학생, 김다인 학생)이 개인의 음성이 범죄에 악용되는 것을 사전에 차단할 수 있는 AI 음성 복제 방지 기술을 개발했다고 밝혔다.   해당 연구는 음성·신호처리 분야에서 세계 최고 권위 학회인 'ICASSP 2026(IEEE 국제음향·음성·신호처리학회)'에 채택됐으며, 오는 5월 4일부터 스페인 바르셀로나에서 열리는 학회에서 공개될 예정이다.   연구팀이 개발한 ‘RoCo(Robust Code)’는 AI 음성 복제 방지 기술로, 사용자 음성에 사전 보호 처리를 적용해 무단 녹음 및 복제 시 다른 음성으로 변환되도록 설계됐다. 사람에게는 자연스럽게 들리지만, AI는 해당 음성의 특징을 정확히 학습하지 못하도록 하는 방식이다.   최근 보이스피싱, 금융사기, 가짜뉴스 등 AI 기반 음성 위·변조 범죄가 증가하는 가운데, RoCo와 같은 사전 차단 기술의 필요성이 커지고 있다.   기존 음성 복제 방지 기술은 사람이 인지하기 어려운 미세한 잡음을 추가해 AI 학습을 방해하는 방식이었다. 그러나 처리 시간이 길어 실시간 서비스 적용이 어렵고, 최신 잡음 제거 기술 적용 시 방어 효과가 저하되는 한계가 있었다.   RoCo는 이러한 한계를 개선하기 위해 음성 신호에 잡음을 추가하는 기존 방식과 달리, AI가 음성을 분석하는 내부 단계에 보호 신호를 삽입하는 방식을 적용했다. 그 결과 잡음 제거 환경에서도 방어 성능이 유지됐으며, 처리 시간은 평균 15초 수준으로 단축돼 기존 대비 5~10배 빠른 성능을 보였다. 이를 통해 실제 서비스 적용 가능성도 확인했다.<연구팀이 제안한 AI 음성 복제 방지 기술 ‘RoCo’의 작동 원리를 설명한 개요도 (사진2=숭실대 제공)>   최대선 숭실대 교수는 “RoCo는 음성 자체를 변형하는 기존 방식과 달리 AI의 음성 인식 과정에 보호 신호를 적용하는 점에서 차별성이 있다”며 “가짜 음성을 사후 탐지하는 것이 아니라 생성 자체를 차단하는 기술적 기반을 마련했다는 데 의미가 있다”고 말했다.   제1저자인 김승민 학생은 “기존 방어 기술이 잡음 제거 기술에 의해 무력화되는 문제가 있었다”며 “지워지지 않는 방어 기술 구현을 목표로 연구를 진행했다”고 밝혔다. 이어 “향후 다양한 공격 환경과 실제 서비스 적용을 고려해 기술을 고도화할 계획”이라고 덧붙였다.   숭실대 AI안전성연구센터는 AI의 잠재적 위험과 불확실성에 대응하기 위해 설립된 국내 최초의 민간 연구센터로, 딥페이크·생성형 AI·멀티모달 AI 등 다양한 분야에서 기술 개발과 정책 연구를 수행하고 있다.   이번 연구는 과학기술정보통신부 지원, 정보통신기획평가원(IITP)이 전담하는 ‘엣지 AI 보안을 위한 Robust AI 및 분산 공격탐지기술 개발’ 과제의 일환으로 수행됐다. 연구팀은 RoCo 기술의 작동 원리를 확인할 수 있는 음성 샘플을 공식 페이지(https://smerge0802.github.io/RoCo/)를 통해 공개했다.