TL;DR

Visa가 공개한 VVAH는 코드 인입부터 검증된 패치까지를 처리하는 11단계 에이전틱 SAST 파이프라인으로 설계되었으며 출력은 Markdown과 SARIF 2.1.0으로 표준화되어 있다. 파이프라인은 위협 모델링, 다렌즈 연구, 적대적 검증, 중복제거, 패치 생성 및 에이전틱 검증 패널을 포함하여 발견된 취약점을 구조화된 수정 DTO로 전환하고 S11 패널로 품질을 판정한다. 기본 프로파일은 Claude CLI 기반으로 동작하며 Anthropic SDK와 OpenAI 호환 백엔드를 혼합해 사용할 수 있고 중요한 검증·수정 적용 기능은 Anthropic에서만 완전 동작한다. 단점으로는 LLM 출력의 비결정성, 토큰 비용 민감성, 그리고 공개된 정량적 정확도 수치의 부재가 있으며 기본 동작이 S10에서 대상 리포지토리의 소스 파일을 편집할 수 있으므로 운영 전 인가·검토 절차가 필요하다.

해결 문제

VVAH는 AI 기반 취약점 탐지의 병목이 발견이 아니라 분류·삼단계 검증과 신뢰할 수 있는 수정 적용이라는 점을 해결하려고 설계되었다. 파이프라인은 위협 모델링으로 공격 표면을 집중한 뒤 다중 렌즈와 적대적 검증으로 착취 가능성을 확인하고 구조화된 수정 DTO를 통해 수정 후보를 자동으로 생성한다. 이 과정은 수동 트리아지 단계를 크게 줄이면서 검증 가능한 패치 산출과 표준 형식의 출력물로 운영 파이프라인과 통합할 수 있게 한다.

주요 기능

• 코드 인입부터 검증된 수정까지 연속 파이프라인을 실행한다. 파이프라인은 네 개의 상위 페이즈와 열한 개의 세부 스테이지로 구성되어 공격 표면 매핑부터 최종 검증까지 단계별로 결과를 만든다. 출력물은 Markdown과 SARIF 2.1.0 형식으로 생성되어 후속 자동화에 바로 투입 가능하다.
• 멀티모델·다결정 투표 구조를 통해 거짓양성 비율을 낮추도록 설계되었다. 스킬 기반 구현으로 각 단계의 LLM 역할을 교체하거나 튜닝할 수 있으며 S4의 다중 렌즈 분석과 S6의 적대적 검증이 결합되어 발견 신뢰도를 높인다. 기본 프로파일은 Claude CLI 중심으로 동작하되 SDK·OpenAI 백엔드를 혼합하여 사용할 수 있다.
• 탐지 결과를 구조화된 수정 DTO로 변환하고 S10에서 후보 패치를 생성하며 S11에서 에이전틱 검증 패널이 패치 품질을 판정한다. 기본 동작에서는 S10이 소스 파일을 편집할 수 있으며 탐지 전용 실행은 --stop-after s9 옵션으로 제어된다. 파이프라인 상태와 체크포인트는 SQLite 상태 DB로 외부에 보관되어 스캔 리포지토리를 오염시키지 않는다.

차별점

• 스킬 단위의 모듈화로 파이프라인 각 단계를 독립적으로 버전 관리하고 교체할 수 있다. 이 접근은 특정 스킬에 대한 튜닝이나 재배치를 파이프라인 재설계 없이 가능하게 하며 기업 환경에서 점진적 채택을 지원한다. 스킬 재사용과 옵션형 호출(S5의 선택적 의미중복 제거 등)은 대규모 리포지토리에서 비용과 토큰 소비를 제어하는 데 도움을 준다.
• 다중 모델·다중 백엔드 추상화로 공급자 종속도를 낮추는 설계를 채택했다. 기본 프로파일은 Claude CLI 중심이지만 Anthropic SDK와 OpenAI 호환 백엔드를 혼합 구성할 수 있고 중요한 검증·수정 적용 기능은 Anthropic 백엔드에서만 완전 동작하도록 명확히 분리되어 있다. 이 구조는 특정 작업이 어떤 백엔드에서 가능한지를 명확하게 하여 운영·권한 관리 리스크를 줄인다.
• 출력물을 SARIF 2.1.0과 Markdown으로 표준화하여 다른 보안 도구 및 CI 체인으로 직접 흘려보낼 수 있다. 표준화된 수정 DTO와 run_manifest.json 등의 메타데이터는 결과 재현성·감사·자동화 통합을 용이하게 한다. 결과물의 표준화는 수동 리뷰와 자동화 파이프라인 사이의 갭을 줄인다.

지금 주목받는 이유

이 레포지토리는 Visa가 Project Glasswing의 교훈을 바탕으로 내부 기술을 오픈소스로 공개한 사례라는 점에서 주목을 받는다. README에 버전 1.1.0 배지와 Markdown·SARIF 출력 지원 명시가 있어 실무 통합 가능성을 즉시 확인할 수 있다. 또한 에이전틱 검증 패널과 다중 백엔드 설계로 실무적 제약(트리아지 병목, 백엔드 권한 조건)을 직접 겨냥한다는 점이 관심을 끌고 있다.

어떻게 동작하는가

VVAH는 입력으로 코드 리포지토리·CMDB·CVE·통제 피드를 받아 네 개 페이즈, 열한 스테이지의 파이프라인을 순차적으로 실행한다. 각 스테이지는 LLM 구동의 모듈형 스킬로 구현되어 위협 모델링, 다렌즈 연구, 적대적 검증, 중복제거, 체인 구성, 수정 생성 및 검증까지 특정 역할을 수행한다. 백엔드 추상화 계층을 통해 Claude CLI, Anthropic SDK, OpenAI 호환 API를 교체 가능하게 연결하며 검증 패널과 수정 적용 권한 등의 기능은 일부 백엔드(Anthropic)에서만 완전 동작한다.

사용 사례

• 엔터프라이즈 리포지토리의 정기 보안 스캔 파이프라인에 통합하여 코드 변경으로 유입되는 취약점을 자동으로 탐지하고 수정 후보를 생성하는 용도로 사용한다. 스캔은 탐지 전용 모드(--stop-after s9)로 운영 중인 리포지토리를 변경하지 않고 실행할 수 있으며 기본 프로파일은 S10에서 패치를 적용할 수 있으므로 운영 정책에 맞춰 구성할 수 있다. SARIF 출력과 수정 DTO는 취약점 관리 시스템 및 CI에 직접 연결되어 자동화된 티켓화와 검증 흐름을 제공한다.
• 사전 배포 검증 단계에서 AI 기반의 적대적 검증을 통해 패치의 회복력과 부작용을 평가하는 용도로 사용한다. S11 검증 패널은 페르소나 기반 가중치 게이트로 수동 검토 전에 패치의 안전성을 판정하며 재실행이 아이디empotent하게 설계되어 반복 검증을 지원한다. 이 과정은 패치가 실제 빌드·테스트 전에 잠재적 문제를 발견하도록 돕는다.
• 레드팀 또는 보안 연구 프로젝트에서 공격 체인 탐지와 체인 구성 기능을 활용하여 복잡한 권한 상승·무단 접근 경로를 식별하고 문서화하는 데 사용한다. S4의 다중 렌즈 분석과 S6의 적대적 검증은 복합 취약점 체인의 착취 가능성을 평가하는 데 유용하며 구조화된 리포트는 연구 산출물로 재사용 가능하다.

시작하기

설치 권장 절차는 가상환경 생성 후 pip install . 명령으로 패키지를 설치하는 것이다. 초기 설정은 .env.example을 복사해 자격 증명을 편집한 뒤 vvaharness doctor로 백엔드와 자격증명을 확인하고 vvaharness estimate로 비용·토큰 예측을 조회할 수 있다. 전체 11단계 실행은 vvaharness scan --repo /path/to/target로 실행하고 탐지 전용만 실행하려면 --stop-after s9 옵션을 추가한다.

요구사항

• 필수 런타임은 Python ≥ 3.10이며 가상환경 사용이 권장된다.
• LLM 자격증명이 필요하며 기본 프로파일은 Claude Code 로그인 또는 CLAUDE_CODE_OAUTH_TOKEN을 요구한다.
• Anthropic SDK와 OpenAI 호환 백엔드를 사용하려면 각각 ANTHROPIC_SDK_API_KEY 또는 OPENAI_API_KEY를 설정해야 하며 Claude CLI는 기본 프로파일에서 별도 설치가 필요하다.