Microsoft 보안 AI, CyberGym 96%와 비용 50% 절감 카드

보안 AI 경쟁의 초점이 더 큰 범용 모델에서 더 싼 전문 모델과 라우팅 구조로 이동하고 있다. Microsoft가 2026년 7월 27일 공개한 MAI-Cyber-1-Flash inside MDASH는 이 방향 전환을 숫자로 밀어붙인 사례다. 회사는 이 조합이 CyberGym에서 95.95%를 기록했고, 현재 시장에 있는 MDASH 구성보다 비용을 약 50% 낮춘다고 밝혔다.

핵심은 MAI-Cyber-1-Flash를 단독 챗봇처럼 내놓는 방식이 아니다. Microsoft는 이 모델을 MDASH라는 multi-agent 취약점 식별·분석·수정 harness 안에 넣었다. 일반적인 작업의 최대 90%를 비교적 작은 cyber 모델이 처리하고, 예외적으로 어려운 10%만 GPT-5.4 같은 더 비싼 모델로 넘기는 구조다. 보안 운영에서 토큰 비용이 방어 규모를 제한한다는 판단이 깔려 있다.

Microsoft가 제시한 비교도 공격적이다. CyberGym은 대형 코드베이스에서 실제 취약점을 찾는 reasoning 능력을 보는 벤치마크로 설명된다. 회사 자료에 따르면 MDASH와 MAI-Cyber-1-Flash, GPT-5.4를 묶은 구성은 Mythos보다 12포인트 높고, Gemini와 GPT 계열 비교군도 앞선다. 다만 이는 Microsoft가 공개한 평가 결과이므로, 독립 재현과 실제 고객 환경에서의 오탐·누락률 확인이 다음 검증 포인트다.

같은 날 Microsoft Security는 Project Perception도 전면에 세웠다. Perception은 red, blue, green agent가 각각 공격 경로 탐색, 위협 조사, 수정·강화 작업을 맡는 agentic 보안 시스템이다. 제품 페이지는 이 시스템이 Defender 안에서 preview로 제공되며, 중요한 결정은 사람이 승인하는 구조라고 설명한다.

흥미로운 대목은 데이터와 운영 루프다. Microsoft는 identity, endpoint, cloud, network 전반에서 매일 100조 개 이상의 보안 신호를 보고, 160만 고객의 운영 경험을 모델·harness 개선에 연결한다고 말한다. 보안 모델이 공개 벤치마크만이 아니라 실제 취약점 대응 흐름에서 계속 조정되는 서비스가 되겠다는 뜻이다.

이번 출시는 AI 보안의 양면성을 그대로 보여준다. 취약점을 더 빨리 찾는 모델은 방어자에게 필요하지만, 같은 능력은 공격 자동화의 비용도 낮춘다. Microsoft는 sandboxed execution, tenant isolation, 감사 가능성, 역할 기반 제어를 내세웠다. 앞으로 볼 것은 8월 3일 public preview 이후 기업 보안팀이 이 agent 구조를 실제 patch 속도와 위험 감소로 연결할 수 있는지다.