OpenAI, 250명 투입한 ‘Defense Factory’ 공개…취약점 탐지부터 패치 검증까지 자동화

보안 점검을 일회성 프로젝트에서 상시 생산라인으로

취약점을 찾은 뒤 담당자를 정하고 패치를 검증하는 전 과정을 AI 에이전트가 계속 순환하는 보안 운영 모델이 실제 대규모 조직에서 시험됐다. OpenAI는 250명 이상을 동원한 내부 ‘코드 레드’ 보안 스프린트를 상시 운영 체계인 Defense Factory로 전환했다. 수백 개 시스템을 대상으로 진행한 이번 작업은 단순한 모델 시연이 아니라 자산 목록 작성, 취약점 발견, 실행 환경에서의 재현, 담당자 배정, 수정안 생성, 배포 뒤 재검증을 하나의 폐쇄 루프로 묶은 사례다.

“We mobilized 250+ people to strengthen our defenses across hundreds of systems.”

OpenAI의 원문 게시물은 최신 사이버 모델이 기존 방식으로는 놓쳤을 취약점을 찾아 수정하는 데 도움을 줬다고 설명한다. 게시물에 연결된 기술 문서에 따르면 스프린트는 Security, Applied, Research 조직을 가로질러 100개가 넘는 서비스 영역을 다뤘다. 첫날에만 긴급 또는 고우선순위 문제 53건을 닫았고, 서비스 소유자 자동 배정의 수용률은 90.6%에 도달했다.

핵심은 발견보다 검증 가능한 수정

Defense Factory의 설계는 기존 보안 도구를 없애지 않는다. GitHub·GitLab 같은 소스 관리, Snyk·Semgrep·Tenable 같은 스캐너, Jira·Linear·ServiceNow 같은 업무 시스템을 에이전트가 API·CLI·MCP로 다룰 수 있게 연결한다. 제어 영역은 실행 환경과 정책, 비밀정보 접근을 관리하고, 데이터 영역은 매 작업마다 새로 만드는 격리 컨테이너에서 취약점을 재현한다. 정적 분석 결과만으로 문제를 확정하지 않고 실제 재현 증거가 있어야 검증된 취약점으로 올리는 구조다.

수치도 자동화의 한계와 효용을 함께 보여준다. 에이전트 분류 과정에서 발견 항목의 37%가 중복으로 판정됐고, 동적 검증 단계에서는 19.5%만 실행 중 재현됐다. 검증 뒤 오탐률은 0.81%였으며, 자동 생성한 수정안의 롤백 비율은 0.53%였다. 수정 코드는 전부 Codex 기반으로 만들었지만 중대한 변경은 사람이 검토하고, 실제 배포 뒤에는 별도의 검증 단계가 다시 취약점을 시험한다.

다음 관전점

OpenAI는 공격 측이 공개 가중치 모델과 장시간 실행 에이전트를 결합하면 여러 약점을 연쇄적으로 악용할 수 있다고 본다. 방어 조직에는 내부 코드와 최신 모델에 먼저 접근할 수 있다는 시간적 우위가 있지만 그 창은 짧다. 앞으로 확인할 대목은 이 구조가 OpenAI 밖에서도 같은 낮은 오탐률과 수정 성공률을 유지하는지, 자동 패치가 실제 운영 배포까지 얼마나 안전하게 연결되는지다. 회사는 우선 한 개 업무 흐름부터 시작해 자동화 범위를 단계적으로 넓히고, 실전 운영 자료와 기술 문서를 추가 공개할 계획이다.