MS, 보안 특화 AI 'MAI-Cyber-1-Flash' 공개: 비용 절반 줄이고 CyberGym 96% 달성

소프트웨어 취약점을 찾는 공격자들이 자동화 도구를 무제한으로 돌리는 상황에서, 방어팀이 최상위 프론티어 AI 모델만 고집하다가는 천문학적인 토큰 비용을 감당하기 어렵습니다.

이에 대응해 마이크로소프트는 7월 27일, 자체 개발한 보안 특화 경량 모델인 MAI-Cyber-1-Flash를 공개하고 자사의 멀티 에이전트 취약점 식별 및 수정 플랫폼인 MDASH에 탑재했습니다.

90%의 보안 업무를 소형 모델에 맡긴 효율화

이번 조치의 핵심은 철저한 분업을 통한 비용 최적화입니다. 보안 방어는 상시 가동되어야 하지만, 유입되는 모든 분석 작업에 최고가 모델의 추론 능력이 필요한 것은 아닙니다.

마이크로소프트는 일상적인 보안 업무의 90%를 MAI-Cyber-1-Flash가 빠르게 처리하도록 설계했습니다. 그리고 정말 까다로운 상위 10%의 복잡한 취약점 분석에만 GPT-5.4 같은 대형 모델을 호출하는 구조를 택했습니다.

기존에 GPT 5.4, 5.4 mini, 5.3 codex 조합으로 운영되던 MDASH 환경과 비교했을 때, 전체 운영 비용을 50%나 절감했다는 설명입니다.

대규모 코드베이스 추론 벤치마크인 CyberGym에서 이 통합 시스템은 96%의 크래시 유발 점수를 기록하며 Mythos, Gemini, GPT 계열을 앞섰습니다. 이후 발표된 보정 기준에 따르면 최종 제출 점수는 86.3%, 타깃 매칭 점수는 90.4%로 집계되었습니다.

100개 이상의 에이전트와 격리된 샌드박스

MAI-Cyber-1-Flash는 마이크로소프트 내부에서 바닥부터 직접 개발한 MAI-Thinking-1 계열을 기반으로 하며, 코드 분석에 고도로 최적화되어 있습니다.

마이크로소프트는 모델 출시와 함께 Perception이라는 새로운 에이전틱 보안 모니터링 시스템도 가동했습니다. MDASH 내 100여 개 이상의 전문 에이전트 팀이 협력하여 위협 벡터를 지속적으로 감시하고 패치를 생성합니다.

시스템에 AI를 깊숙이 투입할 때 생기는 보안 우려를 차단하기 위해, 실행 환경은 외부 인터넷이 차단된 샌드박스로 격리되며 엄격한 테넌트 격리와 감사가 적용됩니다.

이러한 구조를 지탱하는 실질적 힘은 매일 발생하는 100조 개 이상의 보안 신호와 160만 기업 고객 기반에서 나옵니다. 실제 공격 차단과 성공적인 패치 이력을 연결하는 강화 학습 루프는 경쟁사들이 단기간에 복제하기 어려운 자산입니다.

왜 중요한가

기업 보안 담당자 입장에서는 상시 코드 취약점 점검을 감당 가능한 예산 안에서 구현할 수 있게 되었다는 점이 가장 큰 실익입니다. 대형 모델 단독 운영 대비 비용이 절반으로 줄어든 만큼, 테스트 파이프라인에 즉시 도입해 볼 만한 경제적 타당성이 생겼습니다.

산업 전반으로 보면, 거대 단일 모델 만능주의에서 벗어나 '특화 소형 모델과 다중 에이전트의 결합'으로 방어 전선이 이동하고 있음을 보여줍니다. 마이크로소프트가 외부 파트너십을 유지하면서도 엔터프라이즈 핵심 보안 영역에서는 자체 MAI 라인업의 비중을 빠르게 확대하는 흐름도 뚜렷해졌습니다.

우리는 90%의 통상 업무를 소형 모델로 걸러내고 10%만 상위 모델에 넘기는 이 설계를 매우 영리한 수순으로 평가합니다. 막대한 텔레메트리 데이터를 레버리지 삼아 비용 효율과 탐지 성능을 동시에 잡았기 때문입니다.

다만 완전 자동화 패치에 따르는 불안 요인은 여전합니다. 아무리 샌드박스 안에서 검증한다 해도, 정교하게 얽힌 엔터프라이즈 레거시 코드베이스에서 AI 에이전트가 내놓은 패치가 예기치 않은 시스템 중단을 부를 가능성은 여전히 상존하므로 신중한 사람의 검수가 병행되어야 합니다.