Anthropic의 Mythos Preview 모델이 발견한 27년 된 보안 취약점

커뮤니티 반응

커뮤니티는 AI의 보안 위협 능력에 놀라움을 표하며, 기존 보안 체계의 한계에 대해 논의하고 있다.

주요 논점

01중립다수

AI의 보안 취약점 발견 능력과 그에 따른 위험성

합의점 vs 논쟁점

합의점

AI 모델이 기존 자동화 테스트 도구보다 훨씬 효과적으로 보안 취약점을 식별할 수 있다.
Mythos Preview의 발견은 오픈소스 보안 유지보수 방식에 대한 경각심을 일깨운다.

논쟁점

AI의 강력한 공격 능력에 따른 이중 사용(dual-use) 위험과 모델 접근 제한의 필요성.

실용적 조언

오픈소스 프로젝트는 AI 기반 보안 감사 도구를 도입하여 기존 퍼징 테스트의 사각지대를 보완해야 한다.

섹션별 상세

Mythos Preview는 27년간 방치된 OpenBSD의 TCP SACK 처리 취약점을 식별했다. 이 취약점은 TCP 연결만으로 원격 시스템을 충돌시킬 수 있는 결함이다. 수십 년간 전문가들의 코드 검토를 통과했으나 AI가 이를 찾아냈다.

FFmpeg의 H.264 디코더에서 16년 된 취약점이 발견되었다. 32비트 카운터를 16비트 테이블에 저장하는 타입 불일치 오류로, 65,536개의 슬라이드를 포함한 프레임 처리 시 메모리 오버플로우가 발생한다. 기존 자동화 테스트 도구가 500만 번 이상 실행했음에도 탐지하지 못했던 사례다.

Mythos는 Linux 커널의 여러 취약점을 연쇄적으로 활용하여 권한 상승 익스플로잇 체인을 구축했다. 일반 사용자 권한에서 루트 권한을 획득하는 과정을 자율적으로 수행했다. 이 과정에 소요된 비용은 2,000달러 미만으로, AI의 보안 공격 능력이 실질적인 위협임을 보여준다.

언급된 도구

Mythos Preview추천

보안 취약점 탐지 및 익스플로잇 생성

OpenBSD중립

보안 취약점 대상 OS

FFmpeg중립

보안 취약점 대상 라이브러리

Linux Kernel중립

보안 취약점 대상 커널

언급된 리소스

문서Debian Security Tracker

문서Anthropic Risk Report