범용 모델 성능 경쟁 넘어 산업별 전문 데이터 확보전 확대
SK쉴더스·안랩 등 보안기업 6곳과 손잡고 실전 데이터 학습
상용 보안제품 적용·실증 추진…AI 활용성과 검증 시험대

7일 오후 SKT타워에서 열린 '독자 AI 사이버보안 협의체' 출범식에서 참석자들이 기념 촬영을 하고 있다. <출처=SKT>

정부의 ‘독자 AI 파운데이션 모델 프로젝트(독파모)’ 경쟁이 개별 사업자간 대결에서 산업별 데이터 확보와 상용화 경쟁으로 확산하고 있다. 독파모 사업을 놓고 경쟁해온 SK텔레콤과 업스테이지가 국내 주요 보안기업·대학과 협력해 독자 AI 모델을 사이버보안 업무에 특화하고, 실제 보안제품에 적용하는 산업 생태계 구축에 나섰다.

SK텔레콤과 업스테이지는 SK쉴더스, 시큐아이, 안랩, 라온시큐어, 지니언스, 파이오링크 등 보안기업 6곳과 고려대, 숭실대, 부산대 등 대학 3곳이 참여하는 ‘독자 AI 사이버보안 협의체’를 출범했다.

이번 협력의 핵심은 독파모 3단계에 진출한 SKT의 ‘A.X K’와 업스테이지의 ‘솔라’를 실제 보안 업무를 수행할 수 있는 산업 특화 AI로 발전시키는 데 있다. 단순히 보안 관련 질문에 답하는 수준을 넘어 소프트웨어 취약점을 분석하고, 사이버 공격을 탐지하며, 침해사고 대응까지 지원하는 ‘보안 업무 AI’로 키운다는 구상이다.

사이버보안은 일반적인 공개 데이터만으로 AI의 전문성을 확보하기 어려운 분야다. 악성코드와 공격 기법이 끊임없이 진화하는 데다, 실제 보안관제 과정에서 축적되는 위협정보와 사고 대응 경험이 모델 성능을 좌우할 수 있기 때문이다. 국내 보안기업들이 오랜 기간 확보한 현장 데이터가 독자 AI 모델의 차별화 수단이 될 수 있다는 의미다.

참여 기업들이 보유한 데이터 규모도 상당하다. SK쉴더스는 통합 보안관제 플랫폼 ‘시큐디움’을 통해 하루 약 170억건의 위협 이벤트를 분석하고 있다. 안랩은 2.5페타바이트(PB) 이상의 보안 데이터와 악성코드 탐지 기술을 보유하고 있다. 시큐아이와 라온시큐어, 지니언스, 파이오링크도 방화벽 운영, 모의침투, 보안관제, 공격 탐지 등 각 분야에서 축적한 기술과 데이터를 협력에 활용할 계획이다.

SKT와 업스테이지는 이를 기반으로 AI 모델의 사전학습과 사후학습을 진행한다. 사전학습에서는 보안 분야의 기초 지식을 강화하고, 사후학습에서는 실제 관제 현장에서 발생하는 업무 데이터를 활용해 취약점 분석과 패치, 사고 대응 등의 수행 능력을 높인다. 이후 참여 기업의 보안제품과 서비스에 모델을 적용하고 실증 과정에서 확보한 데이터를 다시 학습에 반영할 예정이다.

유경상 SK텔레콤 AI CIC장이 '독자 AI 사이버보안 협의체' 출범식에서환영사를 하고 있다. <출처=SKT>

SKT 입장에서는 독자 AI 모델의 적용 범위를 소비자용 서비스에서 기업·공공시장으로 확장하는 계기가 될 수 있다. 차기 모델인 ‘A.X K3’에는 보안 전문 데이터와 함께 대국민 AI 서비스 ‘모두의 AI’를 안전하게 운영하기 위한 데이터도 추가 학습시킬 방침이다. 독파모를 통해 확보한 기반모델을 대국민 서비스와 기업용 보안시장에 동시에 활용하는 전략이다.

업스테이지 역시 솔라 차기 모델에 대규모 코드와 장기간의 로그를 분석하는 역량을 강화한다. 여기에 취약점 탐지·분석 데이터를 집중 학습시켜 기존 문서·업무용 AI 중심의 활용 영역을 코드 분석과 보안관제 등 전문적인 기업용 AI 시장으로 넓힌다는 구상이다.

독파모에서 경쟁 관계에 있는 두 기업이 모델의 안전성 검증을 위해 협력한다는 점도 주목된다. 협의체는 A.X K와 솔라가 서로의 취약점을 찾아내는 ‘상호 레드티밍’을 추진한다. 상대 모델에 대한 공격·평가 과정에서 발견한 취약 사례를 학습에 활용해 양쪽 모델의 방어 능력을 높이는 방식이다.

대학들은 제3자 입장에서 독립적인 평가를 수행한다. 고려대는 실행파일 분석과 공격 방어력을, 숭실대는 보안 성능 평가 기준과 안전장치 우회 공격 대응력을, 부산대는 차기 모델과 경량 모델의 성능·안전성을 각각 검증한다. 개발사의 자체 평가에 외부 검증을 결합해 실제 보안 현장에 투입할 수 있는 신뢰성을 확보하려는 취지다.

다만, 대규모 보안 데이터의 확보가 곧바로 모델 성능 향상으로 이어지는 것은 아니다. 보안관제 데이터에는 기업의 내부 시스템 정보와 민감한 위협정보 등이 포함될 수 있어 학습에 활용할 데이터의 선별과 보호가 중요하다. 실제 현장에서 오탐을 줄이고 정확한 대응 방안을 제시할 수 있는지도 상용화 과정에서 검증해야 할 과제다.

유경상 SKT AI CIC장은 “보안 AI의 수준은 결국 모델이 얼마나 넓고 깊게 추론하느냐에 달려있다”며 “독자 AI 파운데이션 모델 프로젝트에서 검증된 모델들이 국내 대표 정보보호 기업·대학과 함께 실제 보안 현장에서 효과를 입증해, 국가대표 AI 모델의 활용 성과를 사이버보안 영역에서도 보여주겠다”고 말했다.

[CEO스코어데일리 / 김동일 기자 / same91@ceoscore.co.kr]