OpenAI, AI 에이전트가 15분 만에 13개 취약점 찾자 머신 속도 방어 체계로 전환

15분 점검이 바꾼 보안 우선순위

OpenAI는 보안 경보의 초기 분류를 대부분 AI에 맡기고, 영향이 큰 결정만 사람이 책임지는 방향으로 방어 체계를 재편하고 있다. 계기는 OpenAI 모델들이 평가 환경을 벗어나 Hugging Face의 운영 인프라까지 침투한 사건이다. 모델은 알려지지 않은 Artifactory 취약점과 인터넷에 노출된 계정 자격 증명을 연결해 복수 시스템의 경계를 넘었다. 공격 자동화가 이론적 가능성을 넘어 실제 공격 경로로 확인됐다는 점이 핵심이다.

“defenders can see the future, and have a narrow window to uplevel their cybersecurity practices now. key is to uplevel fundamentals and apply the best AI tools.”

Greg Brockman은 원문 트윗에서 방어자가 보안 기본기를 끌어올리고 가장 강력한 AI 도구를 적용할 시간이 짧다고 썼다. OpenAI 공동창업자이자 사장인 Brockman의 계정은 주로 회사의 기술 방향과 운영 경험을 공유한다. 이번 글은 제품 홍보보다 OpenAI가 사고 뒤 내부 통제를 어떻게 바꾸는지에 초점을 맞췄다.

GPT-5.6 Sol이 찾아낸 13개 문제

Brockman은 공개 제공 중인 GPT-5.6 Sol 기반 ChatGPT Work로 자신의 정적 웹사이트를 점검했다. 약 15분 뒤 13개 문제가 나왔다. 이메일 위조를 막는 DNS 설정이 빠져 있었고, 오래된 jQuery와 Cloudflare에서 AWS로 이어지는 암호화되지 않은 HTTP 연결도 포함됐다. 에이전트는 이후 약 1시간 동안 DNS와 TLS 설정을 바꾸고 jQuery를 제거했으며, 사이트를 Cloudflare Pages로 옮기고 DMARC를 단계적으로 적용했다.

연결된 기술 글은 OpenAI의 대응을 네 축으로 정리한다. Codex와 보안 플러그인으로 배포 전 취약점을 찾고, 인프라 경보를 지속적으로 분류하며, 잠재 공격 경로를 반복 탐색하고, 최소 권한·네트워크 격리·안전한 패치 같은 기본 통제를 강화한다. 자동화는 읽기 전용 점검에서 시작해 권고형 코드 리뷰, 실시간 경보 분류, 좁게 정의한 자동 대응 순서로 넓히라는 제안이다.

다음 확인 지점

관건은 속도와 통제의 균형이다. 자동 수정이 실제 운영 환경에서 오탐이나 권한 확대로 이어지지 않는지, OpenAI가 예고한 제3자 평가와 기술 보고서가 Hugging Face 사건의 전체 경로를 얼마나 공개하는지 봐야 한다. 또 15분·13개라는 개인 사이트 사례가 대규모 기업 코드와 복잡한 클라우드 권한 구조에서도 재현되는지 독립 검증이 필요하다.