오픈AI의 GPT-5.5 사이버 모델, 방어 도구인가 공격 자동화 리스크인가

• 오픈AI가 GPT-5.5 계열을 보안 민감도에 따라 3단계로 나눠 제공하고 있음

  • 일반 공개 모델은 취약점 같은 보안 요청에 대해 가이드라인에 따라 제한적으로 답함
  • TAC 포함 GPT-5.5는 신원 확인 계정을 통해 코드 검토, 취약점 분류, 악성코드 분석, 탐지 엔지니어링, 패치 검증 같은 방어 업무를 지원함
  • GPT-5.5-사이버는 제한된 승인하에 보안 연구와 침투 테스트 등 더 전문적인 이중 용도 워크플로우를 지원함

• 오픈AI는 GPT-5.5-사이버 프리뷰의 목적을 ‘성능 과시’보다 ‘통제 방식 검증’으로 설명함

  • 레드팀, 침투 테스트, 통제된 취약점 검증 같은 고위험 방어 워크플로우가 대상임
  • 사용자 검증, 계정 단위 통제, 오용 모니터링을 단계적으로 확인하는 배포라는 설명임
  • 쉽게 말해 강력한 도구를 누구에게, 어떤 조건으로, 어떻게 감시하며 열어줄지 실험하는 단계임

• 영국 AI안전연구소 평가 결과는 꽤 세게 나왔음

  • GPT-5.5는 AISI의 다단계 사이버공격 시뮬레이션을 처음부터 끝까지 수행한 두 번째 모델로 언급됨
  • 4단계 CTF 형식의 95개 사이버 과제에서, 5000만 토큰 예산 내 고급 사이버 보안 작업 평균 성공률 71.4%를 기록함
  • 엔트로픽의 미토스는 같은 평가에서 69.6%였고, 두 모델의 오차 범위는 ±8.0%였음

• 기업 네트워크 공격 시뮬레이션에서도 완주 사례가 나옴

  • 스펙터Ops로 구축한 32단계 기업 네트워크 공격 시뮬레이션이 평가에 쓰였음
  • GPT-5.5는 10번의 시도 중 2번 TLO를 처음부터 끝까지 완료함
  • 미토스 프리뷰는 10번 중 3번 TLO를 완료했음

• 더 찝찝한 지점은 제일브레이크 취약점임

  • AISI는 악의적인 사이버 쿼리에서 악성 콘텐츠를 생성하게 만드는 범용 탈옥 취약점을 발견했다고 밝힘
  • 다중 턴 에이전트 환경도 포함된 평가였음
  • 해당 공격 개발에 걸린 시간은 단 6시간이었다고 함

• 전문가들은 ‘숨기기’만으로는 답이 아니라고 봄

  • 박기웅 세종대 교수는 이런 LLM 엔진이 기존 방화벽처럼 규칙만 보는 게 아니라 사람의 의도를 해석하고 판단하는 구조에 가깝다고 설명함
  • 하지만 의도를 완벽히 구분하는 데는 한계가 있고, 차단과 우회의 반복 구조가 이어질 가능성이 높다고 봄
  • 그래서 위험하다고 완전히 숨기기보다 양지에서 자가 진단, 취약점 분석, 테스트를 반복해야 방어 체계가 강해진다는 의견을 냄

• 보안 업계 쪽 시각도 비슷하게 현실적임

  • 기업들은 AI 사이버 모델을 자체 점검과 취약점 분석에 쓰고 싶어 하지만 비용과 보안성 문제 때문에 즉각 도입은 조심스러운 분위기라고 함
  • 고성능 모델이 공격자에게 들어가면 위험은 분명 커짐
  • 다만 공격자만 AI를 쓰는 게 아니므로, 보안 전문가도 연구와 제품 개발로 방어 체계를 고도화해야 한다는 관점임

• 오픈AI는 방어자 중심 활용을 단계적으로 넓히겠다는 계획임

  • 취약점 연구, 소프트웨어 공급망 보안, 탐지·모니터링, 네트워크 보안 파트너들과 협력 중임
  • 취약점 발견부터 패치, 탐지, 대응, 네트워크 수준 완화까지 이어지는 과정을 지원하려는 방향임
  • 핵심 오픈소스 프로젝트 유지관리자에게 코덱스 시큐리티 접근 권한을 제공하는 프로그램도 언급됨

---

기술 맥락

• GPT-5.5-사이버에서 중요한 선택은 모델 성능보다 접근 방식을 제한한 거예요. 왜냐하면 사이버 보안 업무는 취약점 분석과 공격 자동화 사이의 경계가 얇아서, 같은 기능이 방어에도 공격에도 쓰일 수 있거든요.

• TAC처럼 신원 확인 계정을 두는 이유도 여기에 있어요. 일반 사용자에게는 막힌 요청이라도 검증된 보안 담당자에게는 코드 검토, 취약점 분류, 패치 검증이 실제 업무라서 필요한 경우가 많아요.

• AISI 평가의 71.4% 성공률은 단순 문제 풀이 점수가 아니에요. 5000만 토큰 예산 안에서 다단계 사이버 작업을 얼마나 끝까지 밀고 가는지 본 거라, 에이전트형 공격 자동화 가능성을 가늠하는 신호에 가까워요.

• 제일브레이크가 6시간 만에 나왔다는 대목은 운영 통제의 필요성을 보여줘요. 모델 정책을 한 번 잘 짜면 끝나는 게 아니라, 계정 단위 모니터링과 오용 탐지, 레드팀 테스트가 계속 돌아가야 해요.

• 기업 보안팀 입장에서는 이 흐름을 막연히 무서워할 게 아니라 도입 조건을 따져야 해요. 어떤 데이터에 접근시킬지, 결과를 누가 검증할지, 로그를 얼마나 남길지 정하지 않으면 방어 도구가 리스크가 될 수 있어요.