Prism

매일 아침 해설 브리핑사실은 확인하고, 해석은 여러 각도로

11월 18일 수요일 판07:02 갱신다음 판 내일 07:00

AI·기술2026.11.12 목

Fortinet 보안 공지 89건 한꺼번에, AI가 찾은 결함이 패치 물량으로

AI가 찾아내는 취약점이 사람이 확인하고 고치는 속도를 넘어서기 시작했다. 도입 기업은 패치 순서를 정하는 기준과 결과를 확인할 사람부터 갖춰야 한다.

듣기 1분 06초 · 판단과 요점만 · 합성 음성 · 팟캐스트 피드

읽힌 대본

프리즘 에이아이 기술, 십일월 십이일 목요일 아침판입니다.

오늘의 제목입니다. Fortinet 보안 공지 팔십구 건 한꺼번에, 에이아이가 찾은 결함이 패치 물량으로.

오늘의 판단입니다. 에이아이가 찾아내는 취약점이 사람이 확인하고 고치는 속도를 넘어서기 시작했다. 도입 기업은 패치 순서를 정하는 기준과 결과를 확인할 사람부터 갖춰야 한다.

이어서 한눈에 보는 다섯 가지입니다.

첫째, 팔십구 건, Fortinet이 한 번에 낸 보안 공지.

둘째, 이백십칠 건, 앤스로픽 에이아이 취약점 장부의 수정 완료.

셋째, 열 개 미만, 에이전트 백도어에 바꾼 뉴런 수.

넷째, 천 개, 제미나이 Decisions 에이피아이 한 번 호출의 질문 상한.

다섯째, 삼만 오천오백칠십팔 개, 로그인 없이 열린 그록 Build 앱.

오늘 더 들여다볼 한 건입니다. Fortinet 보안 공지 팔십구 건, 에이아이 보안 시험 도입 삼 주 만. Fortinet이 십일 보안 공지 팔십구 건으로 약 백 개 취약점을 한꺼번에 고쳐, 에이아이가 찾은 결함이 고객의 패치 물량으로 넘어오기 시작했다.

여기까지 프리즘이었습니다. 기사 전문과 출처는 프리즘 닷 바이브플로 닷 컴에 있습니다.

한눈에

  1. 89건, Fortinet이 한 번에 낸 보안 공지
  2. 217건, Anthropic AI 취약점 장부의 수정 완료
  3. 10개 미만, 에이전트 백도어에 바꾼 뉴런 수
  4. 1,000개, Gemini Decisions API 한 번 호출의 질문 상한
  5. 3만 5,578개, 로그인 없이 열린 Grok Build 앱
Anthropic 장부, 발견 3만 7,966건 기준공개19.4%수정 완료(217건)0.6%curl 표본, 공개된 보고 34건 기준취약점 아님 판정(19건)55.9%
AI가 찾은 취약점 중 수정 완료 0.6%, curl 표본은 절반 넘게 취약점 아님
사실출처 링크가 붙은 것만

보안·안전

Fortinet 보안 공지 89건, AI 보안 시험 도입 3주 만

Fortinet이 10일 보안 공지 89건으로 약 100개 취약점을 한꺼번에 고쳐, AI가 찾은 결함이 고객의 패치 물량으로 넘어오기 시작했다.

더 보기 · 출처 2

회사는 3주 전 프런티어 AI 모델을 제품 보안 시험에 넣은 결과라고 밝혔다. SecurityWeek 집계로 치명 등급은 약 17건, 높음 등급은 80건 가까이다. 치명 결함은 FortiMail에 가장 많았고 FortiAuthenticator, FortiOS, FortiManager, FortiAnalyzer가 뒤를 이었다. 실제 악용 언급은 없었고, 어떤 AI 모델을 썼는지도 밝히지 않았다. Fortinet은 AI가 공개에서 악용까지의 시간을 줄이는 만큼, 기술 세부를 공개하기 전에 고객이 업그레이드 순서를 정할 시간을 주려 한다고 설명했다. 같은 흐름의 숫자가 하나 더 나왔다. 취약점 정보 회사 VulnCheck가 9일 Anthropic의 AI 취약점 찾기 사업 Glasswing의 공개 장부를 분석했는데, 발견 3만 7,966건 가운데 공개는 7,349건, 수정 완료는 217건이었다. Anthropic은 장부에 참양성 비율(AI가 취약점이라고 한 것 중 실제 취약점인 비율) 94.2%를 내걸었다. 반면 curl 프로젝트에 온 보고 중 공개된 34건에서는 19건이 취약점 아님으로 판정돼, 오탐(취약점이 아닌데 취약점이라고 한 경우) 비율이 55.9%였다. 한 프로젝트 표본이고 9건은 판정 대기이며, VulnCheck도 취약점 정보를 파는 회사다. VulnCheck가 인용한 10월 글에서 Anthropic은 사람이 결과를 확인하는 역량이 병목이라고 밝혔다.

GPU 추론 관리 도구 GPUStack 치명 결함 실제 악용, 2.2.2로 올려야

사내 GPU에서 모델을 돌리는 관리 도구 GPUStack의 인증 우회 결함이 실제 공격에 쓰여, 자체 추론 서버를 둔 기업은 2.2.0 이전 버전이 있는지부터 확인해야 한다.

더 보기 · 출처 1

미국 사이버보안청(CISA)은 9일 이 결함(CVE-2026-102895)을 KEV(실제 악용이 확인된 취약점 목록)에 올리고 연방 기관 조치 기한을 12일로 잡았다. 심각도 점수 CVSS(취약점 심각도를 0~10으로 매긴 점수)는 9.8이다. 기본 설정에서는 같은 서버(127.0.0.1)에서 온 것처럼 보이는 요청을 관리자로 대한다. 같은 호스트의 리버스 프록시를 거치거나 X-GPUStack-Real-IP 머리를 위조하면 외부 요청도 그렇게 보인다. 공격자는 2.1.1 배포에서 사용자 정의 추론 백엔드를 등록해 작업 서버에 원격 셸을 열었다. 클라우드 보안 연합(CSA)은 2.2.2로 올리라고 권했다. 2.2.2는 SAML 인증 우회 결함(CVSS 9.1)도 함께 고친다. 당장 올리지 못하면 force_auth_localhost를 켜고 앞단 프록시에서 그 머리를 지우라고 했다. 패치해도 이미 만들어진 관리자 계정과 API 키는 남는다. 그래서 계정과 키를 점검하고 작업 서버 토큰과 클라우드 자격 증명을 바꿔야 한다.

Grok Build 앱 3만 5,578개 로그인 없이 열려, 게시 기본값은 '링크 있는 누구나'

AI 앱 보안 회사 Claroc이 10일 xAI(현 SpaceXSI)의 앱 제작 도구 Grok Build로 만든 앱 3만 5,578개가 로그인 없이 열린다고 밝혀, 직원이 AI로 만든 업무 앱이 그대로 외부에 노출될 수 있음이 드러났다.

더 보기 · 출처 2

아직 접속되는 앱 3만 7,571개 중 94.7%다. Claroc은 표본을 손으로 살펴 650~800개에 개인 정보나 민감한 자료가 있다고 추정했다. SpaceXSI와 X 직원의 앱 24개에는 영업 지역 지도와 광고 제안서 같은 내부 자료가 있었다. 원인은 게시 창이 '링크 있는 누구나'를 미리 골라 둔 설정이라고 했다. 회사는 기자에게 게시에 여러 단계가 있고 직원 계정은 '나만 보기'가 기본이라고 답했다. 직원 앱 24개는 내렸지만 다른 사용자와 기관의 앱은 그대로라고 Claroc은 말한다. 수치는 Claroc 자체 조사다.

프런티어 실무

Gemini Decisions API, 질문 1,000개 한 번에 판정하고 확신도 반환

구글이 11일 예·아니오, 선택, 등급 점수 질문을 한 번 호출로 최대 1,000개까지 판정하는 Gemini Decisions API를 내놔, 도구 선택이나 정책 검사 같은 분류 단계를 값싼 판정 전용 모델에 맡길 수 있게 됐다.

더 보기 · 출처 1

가격은 입력 백만 토큰당 0.10달러이고 출력 요금은 없다. 여러 질문이 함께 쓰는 입력은 요청당 한 번만 과금한다. 모델 gemini-decision-1은 글을 생성하지 않고 후보 답에 점수를 매긴다. 입력은 텍스트, 이미지, 오디오, 영상, PDF를 합쳐 25만 6천 토큰까지 받는다. 답마다 0~1 확신도가 붙어, 애매한 건만 사람이나 상위 모델로 넘기는 분기를 코드로 짤 수 있다. 지연은 150~250ms다. Gemini API와 AI Studio, google-genai SDK로 부르고, OpenRouter와 LangChain, LiteLLM 등 연동이 차례로 붙는다. Google Cloud 지원은 곧 나온다고 했다. 구글은 Gemini 3.5 Flash-Lite보다 5배 가까이 싸고 보정 오차(확신도와 실제 정답률이 어긋난 정도)가 가장 낮다고 했지만 구글 자체 시험이다. 다음 주에는 지금 LLM으로 돌리는 라우팅·정책 검사 요청 수백 건을 이 API에도 넣어, 판정 일치율과 확신도 낮은 건의 비율, 건당 비용을 비교해 볼 수 있다.

AWS Emulator 공개, 200여 개 서비스를 로컬에서 흉내 내는 에이전트 시험장

AWS가 11일 200개 넘는 서비스 API를 내 컴퓨터에서 무료·오프라인으로 흉내 내는 AWS Emulator를 공개해, 코딩 에이전트가 실제 계정을 건드리지 않고 클라우드 코드를 시험할 수 있게 됐다.

더 보기 · 출처 2

400개 넘는 API 명세(Smithy 모델)를 기준으로 코드를 모두 에이전트가 쓰고 시험했다. 실제 AWS에서 통과하는 충실도 시험을 먼저 만들고, 에뮬레이터가 같은 시험을 통과할 때까지 고치는 순서다. 라이선스는 CC0다. AWS CLI 2.35.0 이상에서 aws agent-toolkit add-skill --skill-name aws-emulator로 에이전트 스킬로 붙일 수 있다. 리눅스는 RPM·Debian 패키지, 맥과 윈도우는 컨테이너로 돌린다. 소스로 빌드하면 127.0.0.1:9297에서 HTTPS로 뜬다. 사용 기록 전송이 기본으로 켜져 있어 --telemetry off로 끈다. 운영 용도와 보안 시험에는 쓰지 말라고 했고, 아직 안 되는 API는 저장소의 things-that-do-not-work 폴더에 적혀 있다. Werner Vogels 블로그 기고는 명세와 시험 환경을 준 뒤 한 복제 엔진 재구축이 4개월에서 2시간으로 줄었다고 썼다. 다만 글쓴이 팀 한 곳의 경험이다. 다음 주에는 S3나 SQS를 쓰는 사내 코드 한 묶음을 골라, 에이전트가 에뮬레이터에서 통과시킨 변경이 실제 개발 계정에서도 통과하는 비율을 재 볼 수 있다.

연구·벤치마크

뉴런 10개 미만 고쳐 에이전트 백도어, 표준 평가는 통과

마이크로소프트 연구소가 10일 언어 모델에서 거의 쓰이지 않던 뉴런 10개 미만의 가중치만 바꿔 에이전트에 백도어(특정 조건에서만 작동하는 숨은 악성 동작)를 심을 수 있다고 공개해, 밖에서 받은 모델은 평가 점수만으로 안전을 확인할 수 없게 됐다.

더 보기 · 출처 1

재학습은 필요 없고 모델을 돌릴 메모리만 있으면 된다. 예시는 날짜가 2027년으로 넘어가면 공격자 코드를 내려받아 실행하는 명령을 내는 에이전트다. 고친 모델은 표준 평가를 통과하고 평소에는 정상으로 움직인다. 프런티어 에이전트에게 찾게 하면 이상한 가중치 변경을 짚기도 하지만, 확실히 가려내려면 원본 가중치와 대조해야 한다고 했다. 연구는 3월 Claude Code와 Opus 4.5 실험에서 시작했고 대부분을 Claude Code가 스스로 찾았다고 밝혔다. 권고는 모델 출처 확인, 선언된 기반 모델과 가중치 대조, 에이전트 권한 제한, 중요한 행동의 실행 전 검토다. Microsoft Foundry는 공개 가중치 모델을 올리기 전에 출처를 확인하고 있고, 가중치 검사와 모델 서명을 준비 중이다.

기업·전략

United, 개인 AI 에이전트 예약 차단, 미국 항공사 첫 공개 선언

United 항공이 11일 허가받지 않은 제3자 개인 AI 에이전트의 예약을 자사 앱·웹과 여행사·가격 비교 경로 모두에서 막겠다고 밝혀, 고객 대신 사는 에이전트를 판매 기업이 거부한 첫 공개 사례가 나왔다.

더 보기 · 출처 2

이유는 세 가지다. 계정 자격 증명을 에이전트와 나누면 정보가 새고, 의도치 않은 구매나 계정 변경, 마일리지 사용이 생길 수 있다. 짐에 금지 물품이 없다는 확인을 사람이 해야 하는 미국 항공 당국(FAA·DOT) 체크인 규정과도 부딪친다. 시행일은 밝히지 않았다. Skift가 인용한 월스트리트저널 보도에서 스콧 커비 CEO는 중개자를 하나 더 만들고 싶지 않다고 말했다. 하루 앞선 10일 OpenAI는 기업이 ChatGPT 안에 인증 프로필을 열고 자사 상품을 설명하는 Business Agents를 두는 Businesses in ChatGPT를 베타로 냈다. Business Agents는 미국 전자상거래·온라인 서비스 기업이 대상이다. 기업은 가격과 재고를 직접 고치고, ChatGPT가 자사를 언급한 횟수와 클릭 수를 본다. OpenAI는 사용자 대화를 기업에 넘기지 않는다고 했다.

모델·제품

Claude Sheets·Whiteboards 베타, Claude Data 정식 출시

Anthropic이 10일 Claude 안에서 표를 만들고 고치는 Claude Sheets와 아이디어를 묶는 Claude Whiteboards를 모든 유료 요금제에 베타로 내놔, 문서와 표 작업을 Claude 안에서 끝낼 수 있는 범위가 넓어졌다.

더 보기 · 출처 2

Sheets는 탭과 수식을 만들고, 편집 권한이 있는 사람 모두가 고칠 수 있으며 Claude가 고친 내용은 기록된다. Excel로 내보낼 수 있다. Whiteboards는 팀 아이디어를 주제별로 묶고 사람별 할 일 초안을 쓴다. 베타였던 Claude Dashboards는 Claude Data로 이름을 바꿔 정식 출시됐고, 데이터 커넥터가 있어야 쓴다. Team 요금제는 셋 다 기본으로 켜진다. Enterprise는 Sheets와 Whiteboards가 기본으로 꺼져 있고, Claude Data는 11월 19일 기본으로 켜진다. 관리자는 그 전에 켤지 정해야 한다. Engadget은 Google Meet 회의에 들어가 기록을 남기는 Claude Meetings(Team·Enterprise)도 소개했지만, Anthropic 공식 글에는 없다(확인 필요).

정책·규제

미 수출 제한 중국 국방 대학, H200 2개 재판매상 통해 구매

미국 수출 제한 목록에 오른 중국 서북공업대학이 10월 21일 엔비디아 H200 2개를 87만 4,700위안(약 12만 3천 달러)에 산 조달 기록이 11일 보도돼, 최신 AI 칩 통제가 재판매 경로에서 새는 정황이 하나 더 나왔다.

더 보기 · 출처 1

엔비디아가 아니라 산시성의 재판매상에게서 샀다. 이 대학은 올해 중국 업체에서 H200 등 엔비디아 칩 연산을 빌리는 계약도 5건 맺었다. 로이터는 올해 중국 조달·기업 기록 26건에서 대학과 연구기관이 제한된 엔비디아 칩을 사거나 빌린 사례를 찾았다. 1월에 나온 H200 사안별 수출 허용은 엔티티 리스트(미국 정부가 수출을 제한한 외국 기관 목록) 제한을 풀지 않았다. 공화당 케빈 크레이머 상원의원은 젠슨 황 CEO의 사퇴를 요구했고, 공화당 위원장 3명은 18일 황 CEO의 브리핑을 요청했다.

국내 AI·테크

삼성 반도체 열·변형 시뮬레이션 하루에서 약 1분으로, 엔비디아 PhysicsNeMo 활용

삼성전자가 9일 엔비디아 AI 데이 서울에서 CPU로 하루 걸리던 반도체 열·변형 시뮬레이션을 AI 모델로 약 1분에 끝냈다고 밝혀, 칩 설계 검증에 대리 모델(물리 계산을 흉내 내는 AI 모델)을 쓰는 일이 실무로 들어왔다.

더 보기 · 출처 1

삼성은 엔비디아 물리 시뮬레이션 AI 도구 PhysicsNeMo로 칩을 조각으로 나눠 학습하는 열·변형 기반 모델을 만들었고, 1,000~4,000배 가까이 빨라졌다고 했다. SK하이닉스는 칩 단위 열·기계 해석 모델이 32스레드 CPU보다 30배 넘게 빨라졌다고 했다. 두 수치는 각 회사 발표이고, 기사에는 기존 계산과의 정확도 비교가 나오지 않았다.

해석여러 관점으로 읽고 하나로 좁힌 판단

Fortinet은 프런티어 AI 모델을 보안 시험에 넣은 지 3주 만에 약 100개 취약점을 한꺼번에 고쳤고, 회사 스스로 AI가 공개에서 악용까지의 시간을 줄인다고 설명했다. 그래서 공급사가 결함을 빨리 찾을수록 고객이 패치에 쓸 수 있는 시간은 오히려 짧아진다. Anthropic Glasswing 장부에서도 발견은 3만 건을 넘었지만 수정 완료는 0.6%에 머물렀고, Anthropic은 사람이 결과를 확인하는 역량이 병목이라고 인정했다. 다만 curl 표본의 높은 오탐률은 34건짜리 한 프로젝트 결과라서 장부 전체의 정확도로 넓히기는 이르다. 이 때문에 보안 장비와 오픈소스를 쓰는 기업은 공지가 몰려올 것을 전제로, 외부에 노출된 장비와 치명 등급부터 고치는 순서와 담당자를 미리 정해 두어야 한다.

확인이 필요한 곳은 공급사가 낸 보고만이 아니다. 마이크로소프트 연구는 뉴런 몇 개만 고친 모델이 표준 평가를 그대로 통과한다는 것을 보였고, 확실한 판별법으로 원본 가중치와의 대조를 꼽았다. 그런데 사내에 모델과 앱을 들이는 도구의 기본 설정도 허술했다. GPUStack은 같은 서버에서 온 것처럼 보이는 요청을 관리자로 대했고, Grok Build는 게시할 때 '링크 있는 누구나'가 미리 골라져 있었다. 그러니 공개 가중치 모델과 AI 제작 도구를 들일 때는 평가 점수를 보기 전에 원본 대조와 기본 공유·인증 설정 점검을 도입 절차에 넣어야 한다.

에이전트를 늘리는 데 쓰는 새 도구도 확인 장치 쪽으로 나오고 있다. Gemini Decisions API는 판정마다 0~1 확신도를 붙여 애매한 건만 사람에게 넘기게 했고, AWS Emulator는 에이전트가 실제 계정 대신 로컬에서 시험하게 했다. 다만 Decisions의 가격·정확도 비교는 구글 자체 시험이고 에뮬레이터의 4개월에서 2시간 단축도 한 팀의 경험이라, 자기 작업으로 다시 재 봐야 한다. United가 에이전트 예약을 막은 이유도 의도치 않은 결제와 사람이 해야 하는 확인이었다. 따라서 에이전트 범위를 넓히기 전에, 확신도가 낮은 판정과 되돌릴 수 없는 결제·변경을 사람에게 넘기는 경로부터 만들어 두는 편이 맞다.

이견판단이 틀릴 수 있는 지점
  • AI로 취약점을 대량으로 찾는 흐름이 고객에게 득인지 갈렸다. 한쪽은 숨은 결함이 공격자보다 먼저 드러나니 길게 보면 장비가 더 안전해진다고 본다. 반대쪽은 공지가 한꺼번에 몰리면 고객의 패치 부담과 공개 직후 악용 경쟁이 커져, 당분간 위험이 오히려 늘어난다고 본다.
  • 가중치 백도어 연구를 근거로 공개 가중치 모델을 멀리할지 갈렸다. 한쪽은 평가로 못 잡는 변조가 있으니 검증된 공급사 API를 쓰는 편이 안전하다고 본다. 반대쪽은 원본 가중치 대조와 모델 서명으로 막을 수 있고 API도 공급사 쪽 침해와 보관 위험을 안고 있어, 출처 관리가 관건이라고 본다.
  • United의 에이전트 차단을 안전 조치로 볼지 갈렸다. 한쪽은 자격 증명 공유와 의도치 않은 결제 위험이 실제이니 다른 판매 기업도 따를 것이라고 본다. 반대쪽은 CEO가 중개자를 원치 않는다고 말한 만큼 고객 접점을 지키려는 사업 판단이 섞여 있어, 허가한 에이전트만 받는 방식으로 바뀔 수 있다고 본다.