요약:
오픈AI(OpenAI)가 최근 업계의 큰 관심을 끄는 보안 연구 결과를 발표했다. 회사는 곧 출시될 사이버 보안 관련 인공 지능 모델 중 하나가 Linux 커널에서 948개의 로컬 권한 상승 취약점을 성공적으로 발견했다고 밝혔습니다. 이러한 취약점이 악용되면 일반 로컬 사용자가 시스템에서 가장 높은 수준의 루트 권한을 얻을 수 있습니다.
Linux 커널은 세계에서 가장 중요한 소프트웨어 인프라 중 하나이며 Android 스마트폰, 클라우드 컴퓨팅 플랫폼, 데이터 센터 서버, 슈퍼컴퓨터와 같은 장치 및 시스템에서 널리 사용됩니다. 코드의 크기가 매우 크기 때문에 잠재적인 보안 취약점을 찾는 것은 항상 시간이 많이 걸리고 복잡한 작업이었습니다.
OpenAI는 이번 연구가 단순히 취약점을 찾기 위해 AI 모델을 요구하는 것이 아니라 리눅스 커널에 대해 산업 규모의 감사 작업을 수행하기 위해 완전한 다단계 자동화 보안 연구 프로세스를 구축한다고 밝혔습니다. 전체 시스템은 여러 전담 AI 에이전트에 의해 공동으로 완성되며 대상 선별, 취약성 분석, 취약성 검증부터 악용 테스트 및 패치 생성에 이르기까지 모든 것이 자동화됩니다.
1단계에서는 '스카우트'라는 AI 에이전트가 먼저 커널 코드 베이스를 분석해 일반 사용자가 접근할 수 있는 기능 모듈과 파일을 걸러낸다. 결국 시스템은 4천만 라인이 넘는 코드 중 약 280만 라인의 키 코드를 감사 대상으로 식별했는데, 이는 전체 리눅스 커널 코드 크기의 약 7%에 해당한다. 심층 점검을 위해 총 5,034개의 잠재 대상을 선정했습니다.
이후 '분석가' 에이전트는 이들 코드에 대한 보안 분석을 실시해 12시간 이내에 2,308개의 잠재적 취약점 후보를 발견했습니다. 이후 'Triage' 에이전트는 이러한 발견 사항을 격리된 가상 머신 환경에서 재현 및 검증해 약 30시간 만에 1,724개의 실제 취약점을 성공적으로 확인했다.
검증을 완료한 후 AI 시스템은 이러한 취약점의 악용 가능성을 추가로 평가합니다. 마지막으로 정보 유출 취약점에 대한 291개의 개념 증명 프로그램과 로컬 권한 상승을 달성할 수 있는 1169개의 효과적인 공격 샘플이 생성되었습니다. 연구팀은 중복된 취약점을 분석하고 분류한 결과 948개의 독립적인 취약점이 있음을 확인했습니다.
OpenAI는 이러한 공격 샘플이 KASLR, SMEP 및 SMAP와 같은 주류 보호 기술을 포함하여 최신 Linux 보안 보호 메커니즘이 활성화된 표준 데스크톱 시스템 환경에서 테스트되었다고 밝혔습니다. 이는 일반적인 보안 보호 조치가 적용되는 환경에서도 관련 취약점이 여전히 악용될 수 있음을 의미합니다.
더욱 우려되는 점은 AI 시스템이 분석 과정에서 이전에 기록되지 않은 리눅스 취약점 악용 기법을 최소 10개 이상 발견해 사용했다는 연구진의 주장이다. 여기에는 새로운 커널 개체 스프레이 방법, 메모리 페이징 기술, 기존 코드 실행 없이 권한 상승을 가능하게 하는 다중 데이터 공격이 포함됩니다. 보안상의 이유로 OpenAI는 이러한 기술의 구체적인 세부 정보를 공개하지 않습니다.
데이터에 따르면 전체 프로젝트에서 총 약 121만 달러의 API 컴퓨팅 리소스가 소비되었으며, 사용 가능한 권한 상승 취약점이 발견될 때마다 평균 비용이 약 1,279달러인 것으로 나타났습니다. OpenAI는 보안 업계의 이전 취약점 보상 프로그램 표준을 기준으로 볼 때 이러한 948개의 취약점에 해당하는 총 잠재적 현상금 가치가 1,890만 달러에서 6,630만 달러에 이를 수 있다고 지적했습니다.
연구 기간 동안 OpenAI는 Linux 유지 관리 커뮤니티에 취약점 보고서와 복구 계획을 제출하기 시작했습니다. 회사는 10일간의 조정된 공개 프로세스 동안 61개의 권한 상승 취약점이 공식적으로 패치되었으며, 43개의 취약점이 패치 테스트 단계에 들어갔고, 또 다른 299개의 취약점이 공개 토론 및 검토 과정에 있다고 밝혔습니다.
이 성과는 또한 네트워크 보안 분야에서 인공지능의 역량이 향상되고 있음을 보여줍니다. 올해 6월 OpenAI는 자사의 GPT-5.5 사이버 모델이 24개의 Linux 권한 상승 취약점을 발견하고 검증했다고 발표했습니다. 7월에 실시된 또 다른 테스트에서 이 회사의 모델은 166개의 독립적인 취약점을 발견했습니다. 이에 비해, 지난 몇 달 동안 Linux 커널이 광범위한 보안 강화를 거쳤음에도 불구하고 이번 실험에서 발견된 948개 취약점의 수는 5배 이상 증가했습니다.
OpenAI는 취약점 발견 작업이 앞으로 점점 더 대규모화되고 자동화될 것이라고 믿습니다. 한때 보안 연구원이 완료하는 데 몇 주, 심지어 몇 달이 걸렸던 취약점 마이닝 작업은 이제 인공 지능 시스템에 의해 지속적으로 실행되는 표준화된 프로세스로 점차 진화하고 있습니다. 그러나 취약점 식별, 영향 평가, 책임 공개와 같은 핵심 연결에는 여전히 검토에 전문적인 참여가 필요하기 때문에 인간 연구원이 여전히 필수적이라는 점도 강조합니다.
AI 모델의 기능이 지속적으로 향상되면서 네트워크 보안 산업은 새로운 단계로 진입하고 있습니다. 한편으로 방어자는 인공 지능을 사용하여 전례 없는 속도로 취약점을 발견하고 패치할 수 있습니다. 반면에 이 기술은 공격자가 앞으로 더욱 강력한 자동화된 공격 도구에 액세스할 수 있음을 의미하기도 합니다. 방어 효율성 향상과 악용 위험 방지 사이의 균형을 어떻게 유지하는가는 네트워크 보안 분야 전체에서 중요한 문제로 대두되고 있습니다.
댓글