숭실대 AI안전성연구센터 "MS와 버금 세계적 보안AI 개발"

숭실대학교 AI안전성연구센터(Soongsil AISC, 센터장 최대선 교수)가 개발한 멀티에이전트 취약점 분석 시스템 ‘무네메(mneme)’가 글로벌 사이버보안 AI 평가체계인 사이버짐(CyberGym) 공개 리더보드에 등재됐다. 센터는 "2026년 8월 30일 현재국내 연구팀 최초이자 현재 유일하게 등재됐다"고 밝혔다.

'무네메'는 그리스어로 ‘기억’을 뜻한다. 과거 취약점 분석에서 얻은 지식을 구조화된 인과기억으로 정리하고, 여러 AI 에이전트가 이를 적극적으로 활용해 새로운 취약점의 원인과 재현 경로를 추론하도록 설계한 시스템의 핵심 특성을 이름에 담았다.

30일 센터에 따르면, '무네메'는 사이버짐 레벨 1의 전체 1507개 과제에서 91.0%의 단일 시도 성공률을 기록해 마이크로소프트의 멀티에이전트 취약점 분석 시스템 'MDASH'와 같은 성능을 보였다. '무네메'가 평가를 완료한 2026년 7월 13일 당시 공개 최고 성적은 91.0%로, 제출 시점 기준 세계 공동 1위에 해당한다고 센터는 설명했다. 현재 리더보드는 90% 이상 시스템을 ‘선도 시스템’으로 묶어 무작위 순서로 표시하며, 점수는 참고용으로 제시하고 있다.

사이버짐, AI의 실전 사이버보안 수행능력을 가늠하는 핵심 척도

'사이버짐'은 오픈소스 소프트웨어 취약점을 대상으로 AI가 소스코드를 분석하고, 취약점 발생 경로를 추적하며, 이를 실제로 재현하는 코드를 제작·실행하도록 설계된 대규모 실전형 벤치마크다. 188개 오픈소스 소프트웨어 프로젝트에서 수집한 취약점 1507개를 기반으로 하며, 단순한 보안 지식이나 코드 생성 능력이 아니라 코드 이해, 취약점 추론, 전문 도구 사용, 반복 실행과 결과 검증 능력을 종합적으로 평가한다. 이에, 사이버짐은 사이버보안 특화 AI와 에이전트의 실전 취약점 연구 역량을 비교·검증하는 대표적인 글로벌 핵심 척도로 주목받고 있다.

지난 4월 앤트로픽의 범용 AI모델 ‘클로드 미토스 프리뷰’도 사이버짐의 모델 중심 평가에서 당시 최고 수준인 83.1%를 기록하며 뛰어난 사이버보안 능력을 주목받았다. 숭실대 AI안전성연구센터의 '무네메'는 같은 평가체계에서 91.0%를 달성, 미토스 프리뷰의 기록을 7.9%포인트 상회했다고 센터는 밝혔다.

같은 모델의 성능을 66.6%에서 91.0%로

최대선 센터장은 "이번 성과에서 가장 주목할 부분은 모델 자체보다 에이전트 하네스 엔지니어링이 만들어낸 성능 향상"이라면서 "무네메가 사용한 AI 기반 모델(파운데이션 모델)은 클로드 오퍼스 4.6이다. 사이버짐의 공통 실행환경에서 이 모델이 기록한 기본 성능은 66.6%였지만, 무네메는 같은 모델에 보안 전문지식, 멀티에이전트 협업, 분석 도구, 구조화된 기억과 반복 검증 절차를 결합해 91.0%를 기록했다. 동일 기반 모델의 성능을 24.4%포인트 높였다"고 말했다.

이어 "사이버짐 공개 결과에서도 공통 실행환경에서 평가한 모델 중심 결과의 최고 성능은 85%대인 반면, 역할 분담과 전문 도구, 기억체계 및 실행 검증 절차를 별도로 설계한 에이전트 중심 시스템은 90% 이상의 성능을 보였다. 이는 사이버보안 AI의 경쟁력이 모델 규모나 추론 성능만으로 결정되지 않으며, 모델을 실제 보안업무에 투입할 수 있도록 역할·도구·기억·작업흐름·검증절차를 설계하는 하네스 엔지니어링이 핵심 변수가 된다는 점을 보여준다"고 짚었다.

'무네메'가 달성한 91.0%는 사이버짐에서 미토스 프리뷰가 기록한 83.1%보다 7.9%포인트 높은 성능이다. 최 센터장은 "다만 이는 클로드 오퍼스 4.6 모델 자체가 미토스 프리뷰보다 우수하다는 뜻이 아니라, 기본 성능이 낮은 모델이라도 전문적인 에이전트 하네스를 결합하면 더 강력한 모델의 기본 성능을 넘어서는 실전 시스템으로 발전시킬 수 있음을 보여준다"고 설명했다.

최대선 센터장 "기존 모델로도 세계 최고 수준 사이버보안 시스템 가능"

그리스어로 ‘기억’을 뜻하는 '무네메'는 하나의 AI가 모든 작업을 수행하는 대신 소스코드 구조와 입력 경로를 파악하고, 서로 다른 가설로 취약점을 분석하며, 제작한 입력값을 실제 환경에서 반복 검증하는 역할을 여러 에이전트에 분담한다. 구조화된 인과기억에는 취약점이 발생하는 원인, 프로그램의 실행·데이터 흐름, 파일 형식의 구조, 실패 원인과 복구 전략 등이 재사용 가능한 지식으로 축적한다. 각 에이전트는 필요한 기억과 분석 도구를 선택해 활용하고, 실행 결과를 바탕으로 가설과 입력을 반복적으로 수정한다.

최 센터장은 “이번 성과는 사이버보안 AI의 경쟁력이 기반 모델의 성능만으로 결정되지 않는다는 점을 보여준다"고 재차 강조하며 "보안 전문지식과 멀티에이전트 협업, 분석 도구, 구조화된 기억 및 반복 검증을 하나의 하네스로 결합하면 기존 모델도 세계 최고 수준의 사이버보안 시스템으로 고도화할 수 있다"고 진단했다.

최 센터장은 정부가 추진 중인 사이버보안 특화 AI 파운데이션 모델 개발에서도 기반 모델 구축이 핵심 출발점이라고 전제하며 "다만 개발된 모델을 취약점 분석, 보안관제와 사고대응 등 실제 업무에 적용하려면 보안 전문 에이전트, 분석 도구 연계, 장기 기억, 권한통제, 반복 검증과 실전형 벤치마크가 함께 갖춰져야 한다. 모델 개발 성과를 현장 성능으로 전환하는 하네스 엔지니어링이 중요한 이유"라고 강조했다.

한국은 초거대 AI 모델 규모 경쟁만으로 세계 선두를 단기간에 따라잡기 쉽지 않다. 최 센터장은 "국산 모델에 사이버보안 전문지식과 에이전트 하네스를 결합하면 전문 영역의 실전 성능에서는 세계 수준에 더 빠르게 도달할 수 있다"면서 "무네메 성과는 모델 기본 능력을 그대로 사용하는 데 그치지 않고, 국내 기술로 설계한 하네스와 검증체계를 통해 성능 격차를 크게 줄일 수 있다는 가능성을 구체적인 수치로 보여준다"고 설명했다.

이어 "국산 사이버보안 파운데이션 모델 개발에서도 모델 자체와 함께 하네스, 실전형 벤치마크와 독립 검증체계를 동시에 확보해야 한다”며 “모델 개발기관, 보안기업의 현장 전문성, 하네스 엔지니어링과 대학의 검증 역량을 결합하면 국내 사이버보안 AI 기술 수준과 사업화 속도를 함께 높일 수 있다”고 짚었다.

모델·하네스·벤치마크를 연결하는 AI 보안·안전 전문센터

한편 숭실대학교 AI안전성연구센터는 2024년 설립한 국내 최초의 민간 AI 보안·안전 전문 연구센터다. AI 위험관리, 국방 AI 보안, AI 신뢰성 제고와 차세대 AI 위협 분석을 중심으로 모델·에이전트 시스템의 보안성·안전성 평가, 사이버보안 AI 하네스 개발, 레드티밍, 실전형 벤치마크와 시험평가를 수행하고 있다.