마이크로소프트, AI 보안 모델·자율 방어 시스템 공개…보안 직무는 ‘탐지’에서 ‘검증·통제’로

마이크로소프트가 소프트웨어 취약점 탐지에 특화한 인공지능 모델과 여러 AI 에이전트가 방어 업무를 분담하는 보안 시스템을 공개했다. 반복적인 경보 처리를 자동화하는 데 그치지 않고, AI가 제안한 판단과 수정 작업을 사람이 검증·승인·통제하는 방향으로 보안 업무를 재설계하려는 움직임이다.

마이크로소프트는 7월 27일 첫 사이버보안 특화 모델 ‘MAI-Cyber-1-Flash’를 기존 다중 모델 취약점 분석 체계인 ‘MDASH’에 적용한다고 발표했다. 회사가 공개한 CyberGym 평가에서 MAI-Cyber-1-Flash와 GPT-5.4를 조합한 MDASH는 95.95%, 반올림하면 96%의 성과를 기록했다. 비교 대상인 Anthropic의 Mythos보다 약 12%포인트 높았다는 설명이다.

비용 측면에서는 새 조합이 GPT-5.4, GPT-5.4 mini, GPT-5.3 Codex를 사용하는 기존 MDASH 구성보다 약 50% 저렴하다고 회사는 밝혔다. MAI-Cyber-1-Flash가 전체 작업의 최대 90%를 처리하고, 복잡한 나머지 작업만 규모가 크고 비용이 높은 모델로 넘기는 구조다. 다만 성능과 비용 수치는 마이크로소프트가 자사 시스템을 대상으로 제시한 평가 결과다. 실제 기업 환경의 오탐률과 수정 정확도, 운영비 절감 폭은 고객 도입 이후 별도로 확인할 필요가 있다.

함께 발표된 ‘Project Perception’은 보안 업무를 세 종류의 에이전트에 나눈다. 레드팀 에이전트는 공격자가 이용할 수 있는 침투 경로를 찾고, 블루팀 에이전트는 경보와 주변 정보를 종합해 실제 위험을 판단한다. 그린팀 에이전트는 코드 수정이나 보안 설정 변경 등 대응 작업을 수행한다. 마이크로소프트는 사람이 최종 통제권을 유지하도록 설계했다고 밝혔으며, 공개 미리보기는 8월 3일 시작할 예정이다.

이번 발표에서 주목할 부분은 범용 챗봇 하나에 보안 업무를 맡기는 방식이 아니라 데이터, 모델, 전문 에이전트를 함께 조율하는 구조다. MDASH에는 취약점의 발견·검증·수정을 담당하는 100개 이상의 에이전트가 포함된다. 마이크로소프트는 하루 100조 건이 넘는 보안 신호와 160만 고객 환경의 운영 정보를 활용한다고 설명한다. AI 보안의 경제성이 개별 모델의 성능뿐 아니라 데이터 품질, 작업 분배, 사용량 통제에 달려 있다는 의미다.

보스턴권에서는 이 기술 발표를 채용 회복의 신호로 단정하기 어렵다. 지역 사이버보안 기업 Rapid7은 최근 직원 21명을 감원했고, Snyk도 전체 약 1,500명 가운데 90명을 줄인 것으로 보도됐다. 두 회사 모두 앞선 수년간 조직 조정을 경험했다. 비용 압박과 AI 중심 경쟁이 이어지는 가운데 기업들은 인원을 폭넓게 늘리기보다 AI가 만든 결과를 제품과 고객 환경에 안전하게 적용할 수 있는 인력을 선별할 가능성이 있다. 다만 개별 기업의 감원과 장기적인 지역 고용 수요가 같은 방향으로 움직인다고 보기는 어려워 향후 채용 공고와 투자 흐름을 함께 살펴야 한다.

업무의 무게중심도 달라질 수 있다. 경보를 받아 정해진 절차대로 분류하는 초급 업무는 자동화의 영향을 비교적 먼저 받을 수 있다. 반면 AI가 발견한 취약점이 실제로 재현되는지 확인하고 수정 코드의 부작용을 검토하는 보안 엔지니어, 클라우드와 계정 접근권한을 설계하는 전문가, 에이전트의 행동 범위와 승인 절차를 관리하는 보안 거버넌스 담당자, 사고 발생 시 여러 시스템의 증거를 종합하는 대응 인력의 역할은 더 중요해질 수 있다. AI가 보안직 전체를 대체한다기보다 사람이 담당하는 업무가 단순 탐지에서 검증과 책임 있는 실행으로 이동하는 흐름에 가깝다.

유학생과 취업 준비생은 특정 보안 제품의 사용 경험만 나열하기보다 판단 과정을 보여주는 프로젝트를 준비하는 편이 실무 역량을 드러내는 데 도움이 된다. AI 스캐너가 찾은 취약점을 재현하고 오탐 여부를 판별한 뒤, 수정 전후의 위험과 선택 근거를 설명하는 방식이다. 클라우드 보안, 애플리케이션 보안, 계정·접근관리, 위협 모델링, 보안 자동화에 Python이나 스크립트 작성 능력을 결합하면 지원 가능한 직무의 범위를 넓힐 수 있다.

현직자는 자동 수정 기능을 도입할 때 변경 승인권, 실행 기록, 되돌리기 절차, 외부 인터넷 접근 여부를 함께 확인할 필요가 있다. 보안과 컴플라이언스 요구가 높은 바이오·병원·금융기관이 밀집한 보스턴에서는 기술 성능뿐 아니라 감사 기록, 데이터 격리, 규제 환경에서의 운영 경험도 채용과 프로젝트 배치에 영향을 줄 수 있다.

취업비자 지원이 필요한 지원자는 ‘AI 보안’이라는 직무명만으로 스폰서십 가능성을 판단하기보다 고용주의 과거 지원 이력, 근무지, 직무와 전공의 연관성, 채용 일정을 초기에 확인하는 편이 현실적이다. 관련 규정과 개인별 요건은 달라질 수 있으므로 학교 국제학생 담당 부서나 자격을 갖춘 전문가의 안내를 함께 참고해야 한다.

Project Perception의 실제 영향은 공개 미리보기 이후 오탐률, 자동 수정의 안전성, 고객 도입 비용이 확인돼야 판단할 수 있다. 현재까지 비교적 분명한 변화는 보안 채용에서 경보를 많이 처리하는 능력보다 AI의 결과를 검증하고 운영 환경에 책임 있게 적용하는 역량의 비중이 커지고 있다는 점이다.