마이크로소프트, AI 보안 시장 본격 공략…전용 모델과 에이전트 플랫폼 공개

MAI-Cyber-1-Flash: 취약점 사냥에 특화된 소형 모델

MAI-Cyber-1-Flash는 50억 개(5B)의 파라미터를 가진 비교적 작은 AI 모델입니다 . 이 모델은 MAI-코드-1-Flash(MAI-Code-1-Flash) 계열에서 파생되었으며, 이 계열은 2026년 6월에 발표된 MS의 대규모 추론 모델군인 MAI-씽킹-1(MAI-Thinking-1) 의 하위 모델입니다 . MAI-Cyber-1-Flash는 사이버 보안 취약점 업무, 특히 탐지, 검증, 분류, 패치 생성에 특화되어 MS 내부 스캐닝 시스템인 MDASH 내에서 작동하도록 미세 조정(Fine-tuning)되었습니다 .

성능 주장 (중요한 단서 포함)

MS는 MDASH 내에서 작동하는 MAI-Cyber-1-Flash가 취약점 탐지, 검증, 패치 능력을 테스트하는 자체 벤치마크인 사이버짐(CyberGym)에서 96%의 점수를 기록했다고 밝혔습니다 . 이는 앤트로픽의 클로드 미토스 5(Claude Mythos 5, 약 84%)보다 12% 포인트 높은 수치입니다. MS에 따르면, 이 구성은 또한 약 50%의 비용 절감 효과를 제공합니다. 자체 모델이 MDASH 작업의 약 90%를 처리하고, 가장 복잡한 예외 케이스에만 오픈AI의 GPT-5.4 같은 고비용 모델을 사용하기 때문입니다 .

독립 검증 관련 참고사항: 위 성능 및 비용 수치는 마이크로소프트가 발표한 내용입니다. 디지털 어플라이드(Digital Applied)의 보도에 따르면, CyberGym 점수 96%는 아직 제3자에 의해 독립적으로 검증되지 않았으며, CyberGym 리더보드 점수는 참여 연구소가 자체 보고한 것입니다 . 뉴욕타임스는 MS가 출시 전에 모델을 독립적인 평가자에게 공유하지 않았다고 지적했습니다 .

보안 중심의 캘리브레이션

MS는 MAI-Cyber-1-Flash의 안전성 보정, 미세 조정 데이터, MDASH 시스템 내 사용 목적을 설명하는 모델 카드(Model Card) 를 공개했습니다 . 이 시스템은 여러 모델 간의 토론 메커니즘과 전용 증명 파이프라인을 통해 가양성(False Positive)을 걸러내어, 실제 엔지니어에게 전달되는 결과물의 신뢰도를 높입니다 .

MDASH: 이미 실전에서 검증된 엔진

MDASH(Multi-Model Agentic Scanning Harness)는 MAI-Cyber-1-Flash가 작동하는 기반 시스템입니다. MS의 모델, 오픈AI의 GPT-5.4 등 여러 LLM(대규모 언어 모델) 을 조율하여 취약점 스캔, 검증, 패치 작업을 수행합니다 . 모델 라우팅 로직은 일상적인 작업은 저렴한 MAI-Cyber-1-Flash에 할당하고, 가장 까다로운 추론 작업만 더 큰 모델로 이관합니다 .

실제 발견된 취약점

MDASH는 정식 발표 이전부터 이미 실전에서 가치를 입증했습니다:

• 2026년 5월 패치 화요일: MDASH가 윈도우 네트워킹 및 인증 스택에서 미발견 취약점 16개를 독립적으로 발견했습니다. 이 중 4개는 치명적인 원격 코드 실행(RCE) 결함으로, 윈도우 커널 TCP/IP 스택, IKEv2 서비스 등 핵심 구성 요소에서 발견되었습니다 . 특히 CVE-2026-33824(CVSS 점수 9.8)는 'ikeext.dll'의 이중 해제(Double-Free) 취약점으로, IKEv2가 활성화된 윈도우 머신에 인증되지 않은 공격자가 특수 제작된 패킷을 보내 원격 코드 실행을 가능하게 합니다 . MS의 5월 패치 배치는 총 118개의 CVE를 수정했으며, 그중 30개가 치명적(Critical) 등급이었습니다 .
• 2026년 6월 발견 건: MDASH는 네트워킹 스택 외에도 하이퍼-V, 액티브 디렉토리, 윈도우 커널에서 추가 취약점을 발견했습니다 . MS는 MDASH의 도움으로 한 달에 622개의 결함을 패치했다고 밝혔습니다 .

이러한 취약점 발견 과정에는 다중 모델 토론 시스템이 사용되었습니다. AI 에이전트들이 특정 취약점이 실제로 악용 가능한지에 대해 논쟁을 벌인 후, 최종 결과물이 인간 엔지니어에게 전달됩니다 .

프로젝트 퍼셉션: 레드, 블루, 그린 팀 기반의 에이전틱 보안

프로젝트 퍼셉션은 MDASH와 MAI-Cyber-1-Flash 위에 구축된 상용 플랫폼입니다. MS는 이를 신호, 보안 맥락, 특화 모델, 에이전트를 결합하여 지속적으로 학습하는 방어 시스템, 즉 "AI로 AI에 맞서는" 새로운 사이버 스택이라고 설명합니다 .

에이전트 협력 모델

프로젝트 퍼셉션은 보안 업무를 수행하는 AI 에이전트 팀을 다음과 같이 운영합니다 :

• 레드 팀(Red team): 공격자의 행동을 모의하여 시스템 약점을 탐색
• 블루 팀(Blue team): 위협을 탐지하고 신호를 조사
• 그린 팀(Green team): 문제를 해결하고 패치를 적용

이 시스템은 작업 효율성에 따라 모델을 라우팅합니다. 특정 작업 단계에 가장 적합한 모델(MS의 MAI-Cyber-1-Flash, 오픈AI의 GPT-5.4, 앤트로픽 모델 등)을 자동으로 선택하여 배치합니다 .

범위 및 제공 일정

프로젝트 퍼셉션은 초점을 소프트웨어 취약점 관리에 맞추고 있지만, MS는 이를 지속적 모니터링, 위협 조사, 자동 패치 등 더 넓은 보안 워크플로우로 확장하여 "지속적으로 학습하는 방어 시스템"을 구축할 계획입니다 .

프로젝트 퍼셉션은 2026년 8월 3일, 이미 MDASH 에이전트 시스템을 테스트 중인 MS 비즈니스 고객을 대상으로 공개 프리뷰에 들어갑니다 . 초기에는 마이크로소프트 디펜더(Microsoft Defender) 내에서 제공되며, 이후 모든 MS 보안 제품으로 확대될 예정입니다 .

더 넓은 맥락: AI 사이버 보안 군비 경쟁

7월 27일 발표는 점점 격화되는 AI 사이버 보안 군비 경쟁 속에서 나왔습니다. 앤트로픽은 이미 '클로드 미토스(Claude Mythos)' 보안 모델로 선두를 달리고 있었고, 구글과 오픈AI도 AI 기반 취약점 발견에 막대한 투자를 하고 있었습니다 . MS는 이번 발표를 AI 기반 공격자에 대응하기 위한 AI 기반 방어의 필요성으로 명확히 설명하며, 기존 보안 도구로는 속도를 따라잡을 수 없다고 주장했습니다 .

모델 라우팅 아키텍처(저렴한 소형 전용 모델과 고가의 최첨단 모델을 함께 사용)는 비용 측면에서 경쟁사의 차별점입니다. AI 보안 도구에 예산 압박을 받는 기업들에게 50% 비용 절감은 주요 판매 포인트가 되고 있습니다 .

프로젝트 퍼셉션이 8월 3일 공개 프리뷰에 돌입하고, MDASH가 단 한 번의 패치 주기에서 16개의 실제 CVE를 찾아내며 실전 능력을 입증함에 따라, MS는 기업 구매 결정에서 벤치마크 점수보다 실제 취약점 발견 실적이 더 중요해질 것이라고 보고 있습니다 . 이제 남은 과제는 MS의 주장을 뒷받침할 독립적인 검증이 이루어질지, 그리고 기업들이 자사의 인프라를 지속적으로 탐색하는 AI 시스템을 얼마나 신속히 신뢰하게 될지입니다.