소스코드 안 보내는 AI 보안 점검, 비용·오탐은 어떻게 다를까요

📰 2026년 10월 21일 기준 최신 소식 | 이 글은 특정 시점의 뉴스를 다루고 있어요.

먼저 짧게 답부터 드릴게요. 시스코가 10월 20일 서울에서 소스코드를 회사 밖으로 보내지 않고 사내 폐쇄망 안에서 취약점 위치를 찾는 소형 모델 ‘안타레스(Antares)‘를 소개했어요. 시스코 기술 보고서를 보면 같은 500개 과제를 한 번 도는 데 GPT-5.5 API는 약 141달러, 안타레스는 1달러 미만(GPU 대여료 환산)이 들었어요. 그래도 이 숫자만 보고 고르면 곤란해요. 코드 점검에 AI 에이전트 도입을 검토한다면 네 가지를 먼저 정하세요. 추론 주소가 사내에 있는지, 비용이 호출량에 붙는지 서버에 붙는지, AI가 올린 후보를 누가 판정하는지, PoC에서 고친 코드에 “없다”고 답하는지.

“외주로 받은 코드, 챗GPT에 붙여 넣고 취약점 좀 봐 달라고 해도 되나요?”

요즘 상담에서 자주 듣는 질문이에요. 기술적으로는 돼요. 문제는 붙여 넣는 순간 소스코드가 회사 밖 서버로 건너간다는 거예요. 바이라인네트워크 보도를 보면 시스코도 같은 곳을 짚었어요. 범용 LLM으로 코드 검증을 자동화하면 소스코드를 외부 클라우드로 보내야 해서 유출 우려가 생기고, 운영 비용과 오탐 문제도 따라온다고요.

AI 점검 결과를 외주 계약에 어떻게 적을지는 AI가 코드 취약점을 찾는 시대, 외주 검수는 뭘 바꿔야 할까요에서, 직원들이 클라우드 AI로 정보를 흘리는 문제는 보안 사고 83%에 AI가 있었어요에서 다뤘어요. 오늘은 코드를 밖으로 보내지 않는 점검을 어디에 둘지, 그때 비용과 운영이 어떻게 달라지는지만 볼게요.

---

1. 시스코는 무엇을 발표했나요

보안 취약점이 어느 파일에 있는지 찾도록 훈련한 작은 모델, 안타레스예요. 10월 20일 서울 아셈타워에서 열린 시스코 미디어 테크 세션에서 이승노 시스코 상무가 국내에 소개했어요. 모델 자체는 7월 21일 시스코 블로그와 기술 보고서로 먼저 나왔고요. 매개변수 3억 5,000만 개(350M)와 10억 개(1B) 두 가지가 오픈 웨이트로 풀렸고, 30억 개(3B)는 “곧 공개”라고만 적혀 있어요.

공식 외부 기준 — 이 글이 기대는 자료

날짜	출처	내용
2026년 6월 22일	시스코 블로그	소프트뱅크가 시스코의 보안 특화 모델(Foundation-sec-1.1-8B-Instruct)을 사내에 설치해 보안관제 분류 업무를 자동화한 사례
2026년 7월 21일	시스코 블로그·기술 보고서	안타레스 350M·1B 오픈 웨이트 공개, 500개 과제 시험(VLoc Bench) 결과와 비용 비교
2026년 7월	허깅페이스 모델 카드	라이선스 Apache 2.0, IBM Granite 4.0 기반, 내려받으려면 접근을 요청하고 승인을 받아야 해요
2026년 10월 20일	바이라인네트워크	국내 세션 발표. 전체 제품군 18억 줄 점검을 약 8년에서 8주로 줄였고 오탐률은 3% 미만이라고 밝혔어요

(18억 줄·8주·오탐률 3% 미만은 국내 세션에서 나온 수치예요. 시스코 영문 블로그와 기술 보고서에서는 같은 수치를 찾지 못했어요. 3B 모델의 공개 일정도 확인하지 못했어요.)

용어 정리 — sLLM(소형 언어 모델)은 GPT 같은 대형 모델보다 훨씬 작게 만든 모델이에요. 안타레스는 GPU 한 장으로 돌아가는 크기예요. 온프레미스(사내 구축)는 모델을 회사 서버에 직접 설치하는 방식이고, 그 서버가 인터넷과 끊긴 망에 있으면 폐쇄망이라고 불러요. CWE는 취약점 유형마다 붙인 국제 분류 번호예요. 실무에선 “이번 공지는 CWE-79 계열이에요”처럼 말해요.

하는 일은 좁아요. 취약점 유형(CWE 번호와 설명)을 받으면 저장소를 직접 뒤져서 그 취약점이 있을 법한 파일 목록을 내놓아요. 검색하고 파일을 읽고 방향을 바꾸는 명령을 최대 15번까지 실행하면서 범위를 좁혀요. 질문에 답하는 챗봇보다는 저장소 안을 돌아다니는 작은 AI 에이전트에 가까워요.

2. ‘코드를 밖으로 안 보낸다’는 건 정확히 어디까지일까요

모델 파일이 아니라 추론 주소가 사내에 있어야 해요. 추론 주소는 코드 조각을 담은 요청이 실제로 도착하는 서버 주소예요.

안타레스 명령줄 도구는 모델을 직접 돌리지 않아요. 사용자가 설정한 OpenAI 호환 주소로 요청을 보내요. 시스코 기술 보고서도 폐쇄망 운영은 모델 가중치와 추론 주소를 둘 다 사내에 둘 때 가능하다고 적었어요. 거꾸로 말하면 도구를 사내 PC에 깔아도 주소 칸에 외부 API를 넣으면 코드 조각은 그대로 밖으로 나가요. 설치 위치는 눈에 잘 보이는데 주소 설정은 놓치기 쉬워요.

자사 실무 기준 예시 — AI 코드 점검을 두는 세 가지 방식

배치	소스코드가 가는 곳	비용이 붙는 곳	먼저 확인할 것
외부 AI API 호출	API 제공사 서버	점검할 때마다 호출량만큼	입력 데이터 보관 기간과 학습 사용 여부, 계약상 코드 반출이 허용되는지
사내 GPU 서버에 모델 설치	회사 망 안	서버 구매나 대여, 설치, 모델 갱신 인력	추론 주소가 사내인지, 방화벽에서 외부 연결을 막았는지
개발자 PC에서 실행	각자의 PC	PC 사양	결과가 PC마다 흩어지지 않게 모으는 법, 큰 저장소에서 버티는지

(자사 실무 기준 예시예요. 외부 API의 데이터 보관·학습 조건은 제공사와 요금제마다 달라서 계약서를 직접 확인해야 해요.)

사내 설치를 고르는 이유가 막연한 불안만은 아니에요. 시스코 블로그에 소개된 소프트뱅크는 데이터 프라이버시 요건 탓에 클라우드 LLM을 쓸 수 없어서 사내에 둘 수 있는 모델을 골랐어요. 담당 부서장은 “온프레미스 배치 방식이 우리 데이터 프라이버시 요건을 충족한다”고 말했고요. 규정이 먼저 정해진 업종에선 비용보다 이 조건을 먼저 따져요.

3. 코드 점검 AI 에이전트 비용은 어디서 갈리나요

모델 값보다 점검을 몇 번 돌리느냐에서 갈려요. 시스코가 기술 보고서에 적은 1회 실행 비용부터 보면 차이가 커요.

공식 외부 기준 — 시스코 기술 보고서의 500개 과제 1회 실행 비교

모델	실행 방식	걸린 시간	추정 비용
안타레스 350M·1B	H100 GPU 1장, 16개 병렬	약 15분	0.60달러 · 0.71달러
GLM-5.2	오픈라우터 API	약 50분	12.50달러
GPT-5.5	오픈AI API	약 5시간	141달러

(시스코가 직접 잰 값이고, 다른 기관이 재현한 결과는 확인하지 못했어요. 안타레스 비용은 H100 대여료를 시간당 2～4달러로 잡아 환산한 추정치라서 서버 구매비·설치비·운영 인건비는 들어 있지 않아요.)

보고서는 이 차이가 의미 있는 이유로 “취약점 위치 찾기는 보통 한 번 묻고 끝나는 일이 아니다”를 들었어요. 새 보안 공지가 나올 때마다, 코드가 바뀔 때마다 다시 돌려야 하니까요. 두 방식의 비용은 생긴 모양이 달라요.

• 외부 API — 쓸 때만 돈이 나가요. 시작은 가볍지만 점검 횟수와 저장소 크기에 비례해서 늘어요.
• 사내 설치 — 서버와 설치에 처음 돈이 들어가요. 그 뒤로는 횟수가 늘어도 비용이 크게 안 움직이는 대신, 모델을 갱신하고 서버를 돌보는 사람이 필요해요.

GPU를 새로 사야 하는 회사라면 “1달러 미만”이라는 숫자는 뜻이 달라져요. 1년에 몇 번 점검할지를 먼저 정하고, 두 방식을 같은 기간으로 놓고 비교해야 계산이 맞아요. 사내에 서버를 직접 두면 운영비 계산이 어떻게 바뀌는지는 사내 문서 검색 AI 구축 비용에 따로 정리해 뒀어요.

4. 오탐은 누가 걸러 주나요

모델이 아니라 사람이 판정하는 단계가 걸러요. 모델은 후보를 좁혀 줄 뿐이에요.

기술 보고서의 숫자가 이걸 보여 줘요. 안타레스-1B는 과제 하나에 파일을 평균 3개 남짓(2.95개) 내놓았어요. 내놓은 파일 가운데 실제로 취약한 파일의 비율은 과제 평균 26%, 정답 파일 중 찾아낸 비율은 22%였어요. GPT-5.5(기본 설정)도 각각 약 31%·21%로 크게 다르지 않았어요. 어느 쪽을 쓰든 후보의 70% 안팎은 사람이 열어 보고 “아니다”를 가려야 한다는 뜻이에요. 허깅페이스 모델 카드에도 사람 검토 없이 보안 판단을 자동으로 내리는 용도는 사용 범위 밖이라고 적혀 있어요.

국내 발표의 “오탐률 3% 미만”은 어떤 기준으로 센 값인지 확인하지 못했어요. 기술 보고서는 고친 코드를 보여 주고 “취약점 없음”이라 답하는지 보는 단계를 시험 설계에 넣어 두고도, 이번에는 평가하지 않았다고 밝혔어요. 두 숫자는 재는 방식이 다를 수 있으니 바로 견주지 마세요.

모델 바깥 장치가 결과를 끌어올린 사례도 있어요. 소프트뱅크는 소프트웨어 이름을 17개 분류로 나누는 작업에서 모델만으로는 정확도가 80.75%였는데, 규칙 기반 처리와 앞뒤 정리 단계를 붙인 전체 흐름에서는 90%까지 올라갔다고 해요. 점검 흐름을 짤 때도 모델 바깥에 아래 세 가지를 먼저 정해 두세요.

• 판정 칸 — AI가 올린 후보마다 “실제 취약·오탐·보류” 중 하나를 사람이 표시해요.
• 판정하는 사람 — 외주 결과물이라면 개발사가 1차로 보고 발주사가 확인할지, 거꾸로 할지 미리 정해요.
• 오탐 기록 — 같은 후보가 반복해서 올라오면 이유를 적어 두고 다음 점검의 제외 규칙으로 써요.

흔한 실수 후보 목록을 그대로 하자 목록으로 넘기는 거예요. AI가 올린 파일 30개를 개발사에 “전부 고쳐 달라”고 보내면, 개발사는 오탐을 하나씩 증명하느라 시간을 쓰고 진짜 위험한 한두 건은 그사이에 묻혀요. 후보는 판정을 거친 뒤에야 하자가 돼요.

5. 이 모델이 잘 찾는 것과 놓치는 것은 무엇인가요

이미 알려진 취약점 유형을 정해 주면 그게 어디 있는지 찾는 일에 맞춰져 있어요. 새로운 취약점을 알아서 찾아 주는 도구는 아니에요.

공식 외부 기준 — 모델 카드와 기술 보고서에 적힌 강점과 한계

구분	내용
입력	CWE 번호와 설명을 받아 저장소를 직접 뒤져요
결과	취약점이 있을 법한 파일 목록과 탐색 기록. 사람이 읽는 글, JSON, SARIF(정적 분석 결과를 담는 표준 형식)로 내보내요
큰 저장소	10MB가 넘는 저장소에서 약해요. 500개 과제 중 223개가 10MB 이상이었고, 저장소가 커질수록 시험한 모델 전부 성적이 크게 떨어졌어요
여러 파일에 걸친 취약점	취약 파일이 5개 이상에 걸친 경우 성적이 무너졌어요
의미를 따져야 하는 유형	문자열 검색으로 잡히는 패턴엔 강하지만 권한 설정 오류(CWE-732), 메모리 누수(CWE-401) 같은 유형엔 약해요
지식 기준일	2025년 4월 10일

(모델 카드와 기술 보고서에 적힌 내용이에요. 저희가 직접 시험한 결과는 아니에요.)

새 보안 공지가 나왔을 때 “우리 코드 어디가 여기에 해당하냐”를 빨리 좁히는 데 쓰는 게 맞아요. 납품 코드 전체를 훑는 정적 분석이나 사람의 코드 검토를 대신한다고 보긴 어려워요. 국내 발표의 18억 줄은 시스코 내부 사례라 저장소를 어떻게 나눠 돌렸는지 확인하지 못했어요. 우리 저장소가 크다면 PoC에서 가장 큰 것을 따로 재 보세요.

6. 외주 결과물 검수에 AI 점검을 넣으면 계약에 무엇을 적어야 하나요

결과 형식보다 먼저 코드가 어디서 점검되는지를 적어야 해요. 점검 결과 목록이나 재검증 조항은 앞의 글에서 다뤘으니, 여기서는 코드가 움직이는 길만 볼게요.

자사 실무 기준 예시 — 외주 검수에 AI 점검을 넣을 때 적을 문장

항목	문장 예시	왜 넣나요
실행 위치	”AI 점검은 발주사가 지정한 서버 또는 개발사 내부망에서만 실행하고, 외부 AI API로 소스코드를 보내려면 사전에 서면 동의를 받는다.”	개발사가 손에 익은 도구를 쓰다가 코드가 밖으로 나가는 걸 막아요
모델 기록	”점검에 쓴 모델 이름·버전과 실행 날짜를 결과와 함께 낸다.”	같은 점검을 나중에 다시 돌려 볼 수 있어요
사람 판정	”AI가 올린 후보마다 ‘실제 취약·오탐·보류’ 판정과 판정한 사람을 함께 낸다.”	후보 목록이 하자 목록으로 둔갑하지 않아요
사본 정리	”점검하며 만든 코드 사본과 로그는 검수가 끝난 뒤 정한 기한 안에 지우고 삭제 확인을 남긴다.”	점검 서버에 코드가 남아 있는 걸 막아요

(자사 실무 기준 예시예요. 실제 문구는 법무 검토를 거쳐 계약 형식에 맞게 다듬어야 해요.)

계약 전에 정할 보안 요건 전체는 개발 외주 보안·개인정보 요건, 계약 전에 정할 7가지에, 납품 코드의 권리 귀속은 소스코드 저작권, 개발이 끝나면 누구 것이 될까요에 정리해 뒀어요. 코드가 누구 것인지 정해져 있어야 “밖으로 보내도 되느냐”를 누가 결정할지도 분명해져요.

7. AI 플랫폼 도입 전에 PoC에서 뭘 확인해야 하나요

적중률과 함께 인터넷을 끊은 상태에서 끝까지 도는지, 고친 코드에 “없다”고 답하는지를 재세요. 이승노 상무도 검증된 체계를 먼저 들이고, 실제 업무와 비슷한 환경에서 충분히 시험한 뒤 실무 개발자에게 차례로 넓히라고 권했어요.

자사 실무 기준 예시 — PoC에서 잴 지표 6가지

지표	재는 법	왜 보나요
코드 반출 0건	외부 인터넷을 막은 상태에서 점검을 끝까지 돌리고, 방화벽 기록에 외부 연결이 없는지 확인	설치 위치가 아니라 실제 흐름을 확인해요
후보 적중률	AI가 올린 파일 중 사람이 “실제 취약”으로 판정한 비율	판정하는 사람이 떠안을 부담이 보여요
놓친 비율	이미 알고 있는 취약점 중 못 찾은 비율	이 도구 하나만 믿어도 되는지 보여요
고친 코드 반응	패치된 버전을 넣었을 때 “없다”고 답한 비율	시스코 보고서가 이번에 평가하지 않은 부분이에요
큰 저장소 성적	우리 저장소 중 가장 큰 것을 따로 측정	저장소가 크면 성적이 떨어진다고 보고서가 밝혔어요
1회 시간과 비용	같은 저장소를 API 방식과 사내 방식으로 한 번씩	우리 점검 횟수에 맞춰 1년 비용을 계산할 수 있어요

(자사 실무 기준 예시예요. 예를 들어 지난 1～2년 사이 실제로 고친 취약점 10건을 골라 고치기 전과 후 코드를 둘 다 넣어 보면, 적중률과 “없다” 응답을 한 번에 잴 수 있어요.)

지표를 미리 합의해 두면 PoC가 끝났을 때 “됐다, 안 됐다”를 두고 다툴 일이 줄어요. PoC 예산과 기간을 어떻게 잡는지는 AI PoC 비용 가이드에 있어요.

8. 운영해 본 개발사는 어떻게 보나요

어디서 점검하느냐는 한 번 정하면 오래 가는 선택이라고 봐요. 모델은 계속 새로 나오지만 코드가 머무는 망과 판정 기록은 모델을 바꿔도 그대로 남거든요. 모델 이름보다 이쪽을 먼저 정해야 나중에 덜 흔들려요.

자체 SaaS 4종을 운영하다 보면 보안 점검은 한 번으로 끝나지 않아요. 배포할 때마다, 쓰던 라이브러리에 공지가 뜰 때마다 다시 돌아오죠. 비용도 “한 번에 얼마”보다 “1년에 몇 번 돌리느냐”로 따져야 맞아요. AI 기능을 외주로 맡길 때 견적서의 어느 줄에서 비용이 갈리는지는 소프트웨어 개발 외주 비용 가이드를 함께 보세요.

외주로 받은 코드나 사내 코드에 AI 점검을 붙이고 싶은데 어디까지 사내에 둬야 할지 감이 안 온다면, 범위가 아직 정해지지 않았어도 괜찮아요. 저장소 크기와 점검 주기를 놓고 추론 주소를 어디에 둘지, 후보 판정을 누가 맡을지부터 같이 정리해 볼 수 있어요. 저희는 10년 넘게 50개 이상의 프로젝트를 진행하면서 자체 SaaS 4종을 직접 운영해 온 개발사이고, 롯데·캐논 같은 곳과도 함께해 왔어요. 우리 코드에 맞는 AI 점검 배치를 같이 정해 봐요 →

9. 자주 묻는 질문 (FAQ)

AI 플랫폼 도입 전에 PoC에서 뭘 확인해야 하나요?

적중률 하나로 끝내지 말고 세 가지를 같이 보세요. 외부 인터넷을 막은 상태에서도 점검이 끝까지 도는지, AI가 올린 후보 중 실제로 취약한 파일이 얼마나 되는지, 이미 고친 코드를 넣었을 때 없다고 답하는지요. 고친 코드에 대한 반응은 시스코 기술 보고서도 이번에 평가하지 않은 부분이라 직접 재 봐야 해요.

코드 점검 AI 에이전트 비용, 사내에 설치하면 정말 싸지나요?

점검을 자주 돌릴수록 유리해져요. 시스코 보고서 기준으로 500개 과제를 한 번 도는 데 GPT-5.5 API는 약 141달러, 안타레스는 1달러 미만이었어요. 다만 안타레스 쪽은 GPU 대여료로 환산한 값이라 서버 구매비와 설치, 운영 인력이 빠져 있어요. 1년에 몇 번 돌릴지부터 정하고 두 방식을 같은 기간으로 비교하세요.

사내에 AI 점검 도구를 깔면 소스코드가 밖으로 안 나가나요?

설치 위치만으로는 알 수 없어요. 안타레스 명령줄 도구는 모델 요청을 사용자가 지정한 주소로 보내요. 그 주소를 외부 API로 잡으면 코드가 회사 밖으로 나가요. 모델과 추론 주소가 둘 다 사내에 있는지 확인하고, PoC 때는 외부 인터넷을 막은 상태로 돌려 보세요.