한국형 AI 취약점 대응 허브 ‘K-글래스윙’ 추진

AI 보안도 이제 ‘국산 체계’가 필요한 단계로 감

• 한국정보보호산업협회(KISIA)가 ‘K-글래스윙’ 출범을 추진 중임

  • 정부의 ‘인공지능(AI) 취약점 대응 범부처 민관협력 체계’를 구성하는 한 축으로 들어갈 예정
  • 보안기업, AI 기업, 공공기관의 역량을 묶는 취약점 진단 허브 역할을 기대하고 있음

• 배경은 꽤 현실적임. 해외 보안 특화 AI 프로젝트만으로 국내 수요를 다 감당하기 어렵다는 것

  • 미국에서는 앤트로픽이 ‘글래스윙’으로 보안 특화 프론티어 AI 모델 ‘미토스’를 활용한 취약점 탐지 프로젝트를 추진 중
  • 오픈AI도 ‘데이브레이크’로 AI 기반 사이버 방어 체계를 구축하고 있음
  • 한국은 KISA를 통해 두 프로젝트에 참여하지만, 해외 프론티어 AI 모델 활용 범위에는 한계가 있음

sequenceDiagram
    participant 국내기관 as 국내 기업·기관
    participant 글래스윙 as K-글래스윙
    participant 보안기업 as 오펜시브 보안기업
    participant 키사 as KISA
    participant 모델기업 as 국내 AI 기업

    국내기관->>글래스윙: 취약점 진단 수요 전달
    글래스윙->>보안기업: AI 기반 분석과 검증 요청
    키사->>글래스윙: 해외 프로젝트 기술 동향 공유
    보안기업->>글래스윙: 취약점 분석 결과 제공
    글래스윙->>모델기업: 학습·안전성 개선 자료 축적
    모델기업->>글래스윙: 보안 특화 모델·에이전트 고도화

초기엔 해외 모델 활용, 장기적으론 한국형 모델 확보

• K-글래스윙은 초기에는 공개된 해외 최신 AI 모델을 활용해 보안 진단을 수행할 예정임

  • 스틸리언, 엔키화이트햇, 에스투더블유(S2W) 같은 국내 오펜시브 보안기업이 주도할 것으로 보임
  • 이유는 단순함. AI가 일반 이용자에게는 답변하지 않는 해킹 관련 영역까지 다뤄야 하니까, 실제 취약점을 찾고 검증해 본 보안업체의 경험이 필요함

• KISA의 역할도 꽤 중요함

  • 앤트로픽과 오픈AI 프로젝트 참여 과정에서 얻은 기술 동향과 위협 정보를 민간 협의체에 공유하는 구조
  • 국내 보안기업은 이를 참고해 취약점 탐지와 위협 대응 속도를 높일 수 있음

• 장기 목표는 한국형 보안 특화 AI 모델 확보임

  • 사이버 보안은 국가안보와 바로 연결되는 영역이라 해외 모델에만 기대기 어렵다는 논리
  • 업스테이지, LG AI연구원, SK텔레콤, 네이버클라우드 같은 AI 기업이 참여 대상으로 거론됨
  • K-글래스윙에서 쌓이는 취약점 분석 경험, 검증 결과, 공격 기법, 방어 사례가 모델 개발의 기초 자산이 될 수 있음

• 국민대 이원태 특임교수는 K-글래스윙이 한국형 AI-CVD 체계의 기반이 될 수 있다고 봄
  • 취약점 탐지와 위협 분석 역량을 국내에서 결집하는 접근이 현실적이고 전략적이라는 평가
  • 향후 국내 AI 기업과 협력해 보안 특화 AI 모델과 보안 에이전트 개발로 확장해야 한다는 제안도 나옴

기술 맥락

• K-글래스윙의 기술적 선택은 취약점 분석을 AI 모델 하나에 맡기는 게 아니라, 보안기업의 검증 경험과 AI 기업의 모델 개발 역량을 같이 묶는 구조예요. 보안에서는 모델이 그럴듯한 답을 내는 것보다 실제로 재현 가능한 취약점인지 확인하는 과정이 더 중요하거든요.

• 초기에는 해외 최신 모델을 쓰겠다는 점도 현실적인 선택이에요. 보안 특화 모델을 처음부터 국내에서 완성하기는 어렵기 때문에, 먼저 공개 모델과 해외 프로젝트 경험을 활용해 진단 체계를 만들고 데이터를 쌓는 쪽이 빠르거든요.

• 다만 장기적으로 국내 모델을 만들겠다는 이유는 분명해요. 취약점 정보, 공격 기법, 방어 사례는 민감도가 높아서 해외 모델과 플랫폼에 계속 의존하면 접근 제한이나 정보 통제 문제가 생길 수 있어요.

• 개발자와 보안팀 입장에서는 이 체계가 실제로 어떤 산출물을 내는지가 중요해요. 취약점 리포트 품질, 오탐률, 재현 절차, 패치 우선순위 같은 실무 지표가 공개되거나 공유돼야 현장에서 쓸 수 있어요.