Claude Mythos Preview — AI가 27년 묵은 취약점을 찾아내는 방식

CMS 설정 오류로 먼저 알려진 모델

Anthropic이 코드명 'Capybara'로 개발하던 초대형 범용 모델은 원래 조용히 공개될 예정이 아니었다. 2026년 3월 CMS 설정 오류로 사전 공개 블로그 포스트가 노출되면서 존재가 먼저 알려졌고, 4월 8일 Claude Mythos Preview라는 이름으로 공식 출시됐다. Opus 계열을 넘어선 네 번째 모델 티어로 설계된 이 모델은 범용 목적을 표방하지만, 그 능력이 사이버보안 영역에서 유독 두드러졌다. Anthropic은 공식 발표에서 "복잡한 소프트웨어를 깊이 이해하고 수정하는 능력을 가진 모델은 자연스럽게 그 취약점을 발견하고 수정하는 능력도 갖추게 된다"고 설명했다 — 사이버보안 역량이 별도 특화 파인튜닝의 산물이 아니라 고급 코딩·추론 역량의 필연적 부산물이라는 뜻이다.

이전 최고 모델인 Claude Opus 4.6과 비교하면 격차가 뚜렷하다.

벤치마크	Claude Opus 4.6	Claude Mythos Preview
SWE-bench Verified	80.8%	93.9%
USAMO (수학 올림피아드)	42.3%	97.6%
CTF 전문가 태스크	~0%	73%
브라우저 익스플로잇 생성	2건	181건 (~90배)
취약점→익스플로잇 성공률	—	72.4%

범용 코딩 역량 위에 얹힌 보안 능력

Mythos는 특정 보안 도메인에 국한된 모델이 아니다. 소프트웨어 엔지니어링·수학적 추론·코드 이해와 수정에 걸친 일반 역량을 극한까지 끌어올린 뒤 그 위에 사이버보안 맥락을 학습시키는 접근을 취했다. SWE-bench에서 93.9%라는 수치는 실세계 소프트웨어 버그를 자동으로 수정하는 능력이 인간 엔지니어에 근접했다는 뜻이다.

기존 자동화 스캐너와의 핵심 차이는 취약점 체이닝(vulnerability chaining) 능력이다. 개별 저위험 취약점을 단순 나열하는 대신, 메모리 누수와 세션 처리 논리 오류를 연결해 원격 코드 실행(RCE)으로 이어지는 고위험 익스플로잇을 구성한다. 이 능력은 대규모 실제 취약점 데이터베이스(CVE, NVD)와 익스플로잇 코드베이스를 학습한 뒤, 복잡한 멀티스텝 추론으로 취약점 간 의존성을 파악하는 RLHF 기반 파인튜닝으로 발전시킨 것으로 보인다.

Mythos는 터미널 환경에서 익스플로잇 코드를 생성하고 샌드박스에서 실행하며 실패 로그를 분석한 뒤 코드를 자율적으로 개선하는 자기 수정 루프도 수행한다. 이는 agentic 코딩 역량의 직접적 확장이며, 보안 작업 수행 과정을 시뮬레이션한 RLHF 피드백으로 강화됐을 가능성이 높다.

⤢✕

정적 분석으로 찾고 샌드박스로 검증한다

Mythos가 실제로 취약점을 탐지하는 방식은 전통적인 정적·동적 분석 도구를 AI 추론과 결합한 하이브리드 파이프라인으로 이해할 수 있다.

정적 분석 단계에서는 소스 코드나 바이너리를 직접 분석해 잠재적 취약점 패턴을 식별한다. CodeQL·Semgrep 같은 전통적 정적 분석 도구가 사전 정의된 패턴 규칙에 의존하는 반면, Mythos는 언어 모델의 맥락 이해 능력으로 코드 흐름·데이터 흐름·타입 불일치 같은 복합적 패턴을 파악한다. OpenBSD에서 27년 된 취약점을 찾아낸 것이 이 능력의 극적인 사례다 — 수십 년간 보안 연구자와 자동화 도구를 거쳐간 코드에서 인간 전문가가 놓쳤던 패턴을 찾아낸 것이다.

정적 분석으로 후보를 식별한 뒤에는 샌드박스 환경에서 익스플로잇을 직접 실행하며 취약점의 실재를 검증한다.

⤢✕

Capture the Flag(CTF) 전문가 태스크에서의 73% 성공률은 단순 탐지를 넘어서는 의미를 갖는다. CTF 과제는 제한된 정보만으로 복잡한 시스템의 취약점을 다단계로 분석하고 익스플로잇해야 해서 실세계 침투 테스트와 가장 유사한 환경인데, 2025년 4월 이전에는 어떤 AI 모델도 전문가급 CTF를 풀지 못했다.

강력한 도구를 가둬 둔 이유 — Project Glasswing

Mythos의 취약점 탐지·익스플로잇 능력은 공격 도구로 전용될 경우 심각한 위험이 된다. Anthropic은 이를 인식해 모델을 일반 공개하지 않고 방어 전용 배포 프레임워크 Project Glasswing을 설계했다.

게이팅 전략은 세 원칙을 따른다. 첫째, 제한된 파트너십이다 — AWS, Apple, Broadcom, Cisco, CrowdStrike, Google, JPMorganChase, Linux Foundation, Microsoft, NVIDIA, Palo Alto Networks 등 비판적 인프라 보안을 담당하며 방어적 사용 목적을 검증받은 조직에만 접근 권한을 준다. 둘째, 용도 제한 계약이다 — 탐지 결과를 공격 목적으로 쓰지 않겠다는 법적 구속력 있는 약정을 요구하고, 발견된 취약점은 즉시 해당 소프트웨어 유지관리자에게 책임 공개(responsible disclosure)로 전달해야 한다. 셋째, 단계적 확장이다 — Anthropic은 "새로운 안전장치가 마련될 때까지 Mythos 클래스 모델의 일반 배포를 보류한다"고 밝혔고, 현재 $100M 상당의 사용 크레딧과 $4M의 오픈소스 보안 단체 기부로 제한적으로 운영 중이다.

⤢✕

영국 AI 안전성 연구소(AISI)는 Mythos Preview의 사이버 역량을 독립적으로 평가했다. 평가 결과는 Anthropic의 내부 평가와 일치했고, 모델이 자율적으로 멀티스테이지 공격을 수행할 수 있음을 확인했다 — 모델 배포 전 외부 안전성 검증을 의무화하는 선례가 됐다.

실전에서 확인된 성과: Firefox와 OpenBSD

Mythos Preview의 탐지 성과는 구체적인 수치로 확인된다. Firefox 평가에서는 단독으로 271건의 제로데이를 식별했으며 이 모두가 Firefox 150 릴리스에서 패치됐다 — 이전 모델이 동일 조건에서 작동하는 익스플로잇 2건을 생성한 것과 비교하면 약 90배의 성능 향상이다. OpenBSD에서는 27년 된 취약점을 발견했는데, 보안 강화 운영체제로 명성 높은 이 코드가 수십 년간 전문 보안 연구자와 자동화 도구를 통과해왔다는 점에서 Mythos의 정적 분석 역량이 기존 도구의 한계를 넘어섰음을 보여준다. FFmpeg·FreeBSD·Linux 커널 등 광범위한 오픈소스 소프트웨어에서도 다수의 취약점이 발견돼, 특정 언어나 플랫폼에 국한되지 않는 범용 탐지 역량을 확인시켰다.

방어 전용 AI가 남긴 질문들

Mythos가 방어 목적으로만 쓰인다는 보장은 없다. 유사한 역량의 모델이 공격자 손에 들어가면 72.4%의 익스플로잇 성공률은 전례 없는 자동화 공격 위협이 된다. Anthropic의 게이팅 전략이 이 비대칭성을 완전히 해소하지는 못하며, 향후 AI 안전성 정책의 핵심 논쟁이 될 소지가 크다.

대규모 제로데이를 AI가 자동으로 탐지할 수 있게 되면서, 발견된 취약점을 언제 어떤 방식으로 공개할지에 대한 새로운 기준도 필요해졌다. Project Glasswing의 책임 공개 원칙이 표준으로 자리잡을 가능성이 있다. 보안 업체 Wiz와 ZeroFox는 Mythos 이후의 보안 전략으로 "정적·사일로화된 도구에서 벗어나 AI 역량을 핵심으로 하는 동적 보안 워크플로우"로의 전환을 권고하는데, 이는 기업 보안 아키텍처 자체의 패러다임 전환을 요구하는 제안이다.