AI 취약점 발견

AI가 코드의 흐름과 의미를 이해해 실제로 악용될 수 있는 버그를 찾아내는 기술로, 규칙에 맞는 모양만 찾는 기존 스캐너가 놓치는 여러 부분이 얽힌 문제까지 따라가며 추론한다. 특정 모듈을 깊게 점검하거나 정적 분석 결과 중 진짜 위험한 것만 골라낼 때 쓰며, 기존 도구와 함께 쓸 때 효과가 가장 좋다.

파일을 하나씩 넘기고 "취약점을 찾아라"

방법은 단순하다. Claude Code 같은 코딩 에이전트에 점검할 모듈을 지정하고 "메모리 안전성 이슈나 경쟁 조건을 찾아줘"처럼 무엇을 볼지 구체적으로 요청한다. AI가 실행 흐름 전체를 따라가며 악용될 수 있는 경로를 제시한다.

코드베이스가 크면 소스 파일을 하나씩 넘기며 같은 질문을 반복하는 간단한 스크립트로 돌리면 된다. 실제로 이런 방식으로 Linux 커널 NFS 드라이버에서 23년간 아무도 몰랐던 힙 오버플로우가 발견됐다. 프로토콜 동작을 깊이 이해해야 보이는 버그라 규칙 기반 도구로는 잡기 어려웠다.

정적 분석과 나눠 맡기면 오탐이 준다

두 도구를 단계별로 나눠 쓰는 게 효과적이다. 정적 분석이 넓게 후보를 걸러 내면, AI가 그중 진짜 위험한 것만 추려 낸다.

스스로 가설을 세우고 검증하는 에이전트로

최근에는 AI가 코드를 살피고, 가설을 세우고, 분석 도구를 직접 실행해 진짜 악용되는지 확인하는 과정을 스스로 반복하는 에이전트형 감사가 흐름이다. AI가 혼자 판단을 끝내는 게 아니라, 확실한 결과를 내는 도구들을 부리면서 그 결과를 보고 다음 단계를 정하는 구조다.

결과는 반드시 사람이 확인한다

AI는 후보를 많이 쏟아내고, 틀린 가설도 자신 있게 말한다. 그래서 지금 가장 큰 병목은 사람이 이 결과를 검증하는 일이다. 보안 전문가 검토 없이 그대로 믿으면 위험하다. 또 같은 기술이 공격에도 쓰일 수 있으므로, 찾은 취약점은 책임 있게 공개하고 패치 순서를 잘 정해야 한다.

주로 내 코드 점검과 경고 거르기에 쓴다

가장 흔한 건 코딩 에이전트에 위험한 모듈을 맡겨 깊게 읽히는 방식과, 스캐너가 쏟아낸 경고를 AI로 걸러 진짜만 남기는 방식이다. 어느 쪽이든 마지막 판단은 사람이 한다.