Anthropic Project Glasswing과 AI 보안 협력 모델

방어에 먼저 배치한 프론티어 모델

AI의 코딩 능력이 높아질수록 취약점 탐색과 악용 가능성도 함께 커진다. Anthropic은 2026년 4월 Project Glasswing을 발표하고, 미공개 프론티어 모델인 Claude Mythos Preview를 주요 기술 기업 12곳에 제한 공개했다. 목표는 핵심 소프트웨어 인프라의 제로데이 취약점을 공격자보다 먼저 찾아 패치하는 데 있다.

이 프로젝트는 최대 1억 달러의 사용 크레딧과 400만 달러의 오픈소스 보안 기부를 기반으로 한다. 경쟁 관계의 기업도 보안이라는 공통 과제에서는 협력할 수 있다는 전제를 둔다. 특히 수십억 명이 의존하는 오픈소스 인프라를 보호 범위에 포함한다.

운영 원칙은 분명하다. 프론티어 AI의 취약점 발견 능력을 방어에 우선 사용하고, 모델은 검증된 조직에만 제공하며, 발견 결과는 협력 체계 안에서 책임 있게 처리한다.

Mythos Preview가 보여 준 공격 경로

Claude Mythos Preview는 취약점 발견과 익스플로잇 작성에서 최고 수준의 인간 보안 연구원에 필적하거나 이를 능가하는 능력을 보유한 것으로 보고되었다. 수 주 만에 주요 운영체제와 웹 브라우저에서 수천 개의 제로데이 취약점을 식별했고, 취약점 탐색부터 익스플로잇 코드 작성, 체인 공격 구성까지 자율적으로 수행할 수 있다. 수십 년간 드러나지 않았던 레거시 취약점도 탐지 대상에 포함됐다.

대상	취약점 내용	연수
FreeBSD NFS	원격 코드 실행 (CVE-2026-4747) — root 권한 탈취	17년
OpenBSD TCP SACK	정수 오버플로우 기반 DoS — 원격 호스트 크래시	27년
FFmpeg H.264 코덱	2003년 커밋에서 도입, 2010년 리팩터링으로 노출된 취약점	16년
주요 웹 브라우저	4개 취약점 체인을 통한 렌더러 및 OS 샌드박스 탈출	-

브라우저 사례에서는 4개의 취약점을 연쇄적으로 결합해 JIT 힙 스프레이를 작성하고, 렌더러와 OS 샌드박스를 모두 벗어나는 공격 체인을 구성했다.

⤢✕

참여 조직과 지원 구조

창립 파트너는 클라우드 인프라, 보안 기업, 기술 플랫폼, 금융 조직으로 구성된다. Anthropic은 이들과 함께 핵심 소프트웨어 인프라를 구축하거나 유지 관리하는 조직으로 협력 범위를 넓혔다.

⤢✕

창립 파트너 12곳 외에 40개 이상의 추가 조직이 참여한다. 오픈소스 보안 조직에는 400만 달러를 직접 기부하며, Mythos Preview 사용 크레딧은 최대 1억 달러 규모다.

항목	규모
Mythos Preview 사용 크레딧	최대 1억 달러
오픈소스 보안 기부	400만 달러
참여 기업	12 + 40개 이상

공격 능력과 방어 능력이 같은 모델에서 만날 때

Project Glasswing의 핵심 난점은 모든 것을 부술 수 있는 능력이 모든 것을 고치는 능력이기도 하다는 데 있다. 프론티어 모델을 방어자가 먼저 활용하면 제로데이를 선제적으로 찾아 패치할 수 있지만, 같은 역량이 공격자에게 넘어가면 대규모 자동화 공격으로 이어질 수 있다.

⤢✕

위험은 취약점 탐색 자동화에서 시작해 익스플로잇 자동 생성, 다수 대상을 겨냥한 대규모 자율 공격 가능성으로 이어진다. 첫 단계에서는 AI가 소스코드와 바이너리를 대규모로 탐색하며 인간 연구원 수백 명의 작업량을 단시간에 수행한다. 다음 단계에서는 동작하는 익스플로잇 코드와 체인 공격을 자율적으로 구성할 수 있다. 마지막 단계에서는 방어 체계 자체의 근본적 재설계가 필요해진다.

Anthropic의 프론티어 레드팀 사이버 리드 Newton Cheng는 "Claude Mythos Preview의 사이버보안 능력으로 인해 범용 공개 계획이 없다"고 밝혔다. 대규모 AI 기반 사이버 공격이 현실화될 수 있다는 판단이 제한 공개의 근거다.

공개 절차와 접근 통제가 함께 작동해야 한다

Glasswing은 기존 책임 있는 공개 절차를 AI 기반 취약점 발견 환경으로 확장한다. 개별 연구자가 취약점을 찾고 벤더에 비공개 보고하던 방식에서, AI가 대규모 탐색을 수행하고 파트너 생태계가 공개와 패치를 조율하는 구조로 이동한다.

기존 체계	Glasswing 확장
연구원이 취약점 발견	AI 모델이 대규모 자율 탐색
벤더에 비공개 보고	파트너 생태계 내 조율된 공개
패치 후 공개	AI 발견 취약점의 우선순위 기반 패치
개별 연구자 책임	기관 간 협력 거버넌스

운영에는 모델 접근 제한, 방어 목적의 용도 제한, 발견 결과의 책임 있는 공개 절차, 사용 이력과 결과를 남기는 감사 추적이 포함된다. 이후 과제로는 Mythos급 모델을 안전하게 범용 배포하기 위한 세이프가드 개발, 국제 AI 보안 거버넌스, 오픈소스 커뮤니티의 대응 역량, 국가별 AI 규제와 사이버보안 규제의 정합성이 남는다.

보안 조직이 맡게 될 역할

방어자가 공격자보다 먼저 AI를 사용해 취약점을 찾고 패치할 수 있다면, 보안의 균형은 방어 쪽으로 기울 수 있다. Project Glasswing은 이 가능성을 협력 구조와 통제된 접근으로 실험하는 사례다.

취약점 연구원은 AI가 처리하는 대규모 탐색에서 벗어나 비즈니스 로직과 복합 공격 시나리오에 더 집중하게 된다. 보안 엔지니어는 AI가 발견한 취약점의 검증과 패치 적용을 맡고, CISO는 AI 보안 도구의 거버넌스와 리스크 관리 책임을 확대하게 된다. 제한된 모델 공개, 경쟁사 간 협력, 최대 1억 달러 사용 크레딧은 AI 시대 보안 거버넌스의 한 모델을 제시한다.