유의사항
본 글은 Capital One의 공식 발표와 공개된 GitHub 문서, VentureBeat 보도를 바탕으로 작성한 해설 콘텐츠입니다. VulnHunter의 구조와 기능은 공식 자료를 기준으로 설명했으며, 성능에 대한 평가는 공개된 자료에서 확인 가능한 범위 내에서만 다루었습니다.
이 글에서 다루는 내용
미국 금융회사 Capital One이 AI 기반 소스코드 취약점 분석 도구 ‘VulnHunter’를 오픈소스로 공개했습니다.
이번 발표에서 더 주목할 부분은 금융회사가 내부에서 사용하던 AI 보안 기술을 오픈소스로 공개했다는 점입니다.
취약점 분석 도구는 기업의 핵심 보안 자산 가운데 하나입니다. 공격자가 악용할 가능성도 있기 때문에 일반적으로 외부에 공개하지 않고 내부에서만 사용하는 경우가 많습니다.
그럼에도 Capital One은 VulnHunter를 Apache License 2.0으로 공개했습니다.
Capital One은 현대 소프트웨어 공급망이 서로 긴밀하게 연결되어 있기 때문에 한 기업만 보안을 강화해서는 충분하지 않으며, 방어 기술 역시 커뮤니티와 함께 발전해야 한다고 설명했습니다.
VulnHunter는 어떤 도구인가
VulnHunter는 Capital One이 내부적으로 개발한 에이전트형(Agentic) AI 보안 도구입니다.
이 도구는 소스코드를 분석해 실제 악용 가능한 취약점을 찾고, 공격 경로를 추론한 뒤 수정 방안까지 제안하도록 설계됐습니다.
현재 공개된 구현은 Claude Code 환경을 기반으로 하며, 공식 발표 시점에는 Claude Opus 4.8에 최적화되어 있습니다.
또한 자동화 에이전트를 이용해 CI 환경이나 예약 작업에서도 실행할 수 있도록 설계됐습니다.
기존 취약점 분석 도구와 무엇이 다를까?
일반적인 정적 애플리케이션 보안 테스트(SAST) 도구는 위험해 보이는 코드 패턴을 먼저 찾은 뒤, 해당 코드가 실제 공격으로 이어질 수 있는지를 역방향으로 분석하는 방식이 많습니다.
반면 VulnHunter는 분석 순서를 바꿨습니다.
먼저 공격자가 실제 접근할 수 있는 지점부터 분석을 시작합니다.
예를 들어
- API
- 네트워크 메시지
- 파일 업로드
같은 외부 진입점을 기준으로 애플리케이션 내부를 따라가며 공격자가 실제로 취약한 코드까지 도달할 수 있는지를 추론합니다.
Capital One은 이를 ‘공격자 우선 순방향 분석(Attacker-first Forward Analysis)’이라고 설명합니다.
즉, 단순히 위험한 코드가 존재하는지를 보는 것이 아니라 실제로 공격이 가능한지를 중심으로 분석하는 것이 특징입니다.
AI가 자신의 판단을 다시 검증한다
VulnHunter에서 가장 눈에 띄는 기능은 Falsification Engine입니다.
일반적인 AI는 취약점을 발견하면 결과를 출력합니다.
하지만 VulnHunter는 취약점을 찾은 뒤에도 곧바로 개발자에게 전달하지 않습니다.
먼저 자신의 판단이 틀렸다는 것을 증명하려고 다시 분석합니다.
이 과정에서는
- 근거 없는 가정이 있는지
- 공격 경로에 논리적 빈틈이 있는지
- 실제 환경에서 공격을 막는 조건이 존재하는지
등을 다시 확인합니다.
충분한 근거가 없다고 판단되면 해당 결과는 개발자에게 전달되지 않습니다.
반대로 이 과정을 통과한 결과만 최종적으로 취약점으로 보고됩니다.
Capital One은 이러한 구조를 통해 불필요한 경고(False Positive)를 줄이고, 개발자가 실제로 검토해야 하는 취약점에 집중할 수 있도록 설계했다고 설명했습니다.
취약점만 찾는 것이 아니라 수정 방안도 제안한다
VulnHunter는 취약점을 발견한 뒤 단순히 경고만 표시하지 않습니다.
공격자가 어떤 경로를 통해 해당 취약점을 악용할 수 있는지 설명하고,
- 공격 경로
- 취약점 발생 원인
- 공격자가 확보할 수 있는 권한
- 수정 코드 제안
등을 함께 제공합니다.
즉, 취약점 탐지에서 끝나는 것이 아니라 개발자가 문제를 수정하는 과정까지 지원하도록 설계된 것입니다.
Capital One은 내부에서 먼저 검증했다고 밝혔다
Capital One은 VulnHunter를 공개하기 전에 자사 환경에서 먼저 사용했다고 밝혔습니다.
공식 발표에 따르면 수십 개 사업 영역에 걸쳐 수천 개의 코드 저장소를 분석했으며, 그 과정에서 취약점을 발견하고 수정했습니다.
또한 기존에 많은 시간과 수작업이 필요했던 분석 과정을 더 빠르게 수행할 수 있었다고 설명했습니다.
다만 이는 Capital One이 공개한 내부 적용 결과입니다.
현재 공개 자료에는 이러한 결과를 객관적으로 검증할 수 있는 논문이나 벤치마크는 포함되어 있지 않습니다.
왜 오픈소스로 공개했을까?
흥미로운 점은 Capital One이 VulnHunter를 경쟁력이 될 수 있는 내부 기술로 남겨두지 않았다는 것입니다.
Capital One은 AI의 발전으로 공격자가 취약점을 찾는 속도도 빨라지고 있다고 설명합니다.
이러한 상황에서는 한 기업만 방어 기술을 발전시키는 것으로는 충분하지 않으며, 개발자와 보안 커뮤니티가 함께 검증하고 개선할 수 있는 생태계가 필요하다는 것입니다.
그래서 VulnHunter를 오픈소스로 공개해
- 워크플로 검증
- 기능 개선
- 모델 지원 확대
- 버그 수정
등에 외부 개발자들도 참여할 수 있도록 했습니다.
VentureBeat 역시 이번 공개를 단순한 오픈소스 프로젝트가 아니라, AI 기반 공격 기술에 대응하기 위해 방어 기술을 공동 자산으로 만들려는 시도로 평가했습니다.
아직 확인되지 않은 부분도 있다
VulnHunter는 새로운 접근 방식을 제시했지만, 현재 공개된 자료만으로는 실제 성능을 단정하기 어렵습니다.
현재 확인되지 않은 내용은 다음과 같습니다.
- 기존 SAST 대비 탐지 정확도
- 실제 오탐(False Positive) 비율
- 탐지율과 정밀도
- 지원하는 프로그래밍 언어 범위
- 코드 규모별 분석 속도
- Semgrep, CodeQL, Snyk, SonarQube 등 기존 도구와의 정량 비교
- 외부 기관의 재현 검증 결과
따라서 현 단계에서는 “VulnHunter가 기존 보안 도구보다 우수하다”고 단정하기는 어렵습니다.
정확하게 표현하면 Capital One이 내부 환경에서 성과를 확인했다고 발표했으며, 외부에서 이를 검증할 수 있는 객관적인 성능 자료는 아직 공개되지 않은 상태입니다.
DANA NOTES 해설
이번 발표의 의미는 단순히 새로운 AI 보안 도구가 등장했다는 데 있지 않습니다.
더 중요한 점은 금융회사가 내부에서 사용하던 AI 보안 기술을 오픈소스로 공개했다는 사실입니다.
최근 AI는 공격자가 취약점을 찾는 속도도 크게 높이고 있습니다.
이에 따라 보안 업계 역시 기존처럼 위험한 코드 패턴만 찾는 방식에서 벗어나, 공격자의 행동을 예측하고 실제 공격 가능성을 추론하는 방향으로 발전하고 있습니다.
VulnHunter는 이러한 변화를 보여주는 대표적인 사례 가운데 하나입니다.
다만 새로운 분석 방식이 제시됐다는 것과 실제 성능이 충분히 검증됐다는 것은 별개의 문제입니다.
앞으로 다양한 기업과 보안 연구자가 VulnHunter를 실제 환경에서 검증하고 기존 보안 도구와 비교하는 연구가 이어진다면, AI 기반 취약점 분석 기술의 실질적인 경쟁력을 보다 객관적으로 확인할 수 있을 것으로 보입니다.
