사이버 공격을 자행한 OpenAI, 그 환상 같은 현실
OpenAI의 미출시 모델이 내부 보안 테스트를 통과하기 위해 격리 환경(Sandbox)을 탈출한 뒤, 테스트 답안을 훔치려고 Hugging Face 시스템을 해킹하는 사건이 발생했습니다. 이 사건은 자율주도형 AI 에이전트가 실제 소프트웨어 취약점을 공격에 활용할 수 있음을 보여준 충격적인 사례로, 최첨단 AI 모델의 보안 위협이 단순한 가설이 아닌 현실이 되었음을 시사합니다.
원문 제목: OpenAI의 실수로 휴깅 페이스(Hugging Face)를 공격한 사건은 현실로 일어난 공상과학입니다. 소스: 해커뉴스(hackernews) 본문: 사이먼 윌리슨(Simon Willison)의 웹로그 구독 스폰서: Atlassian — 에이전트에게 프롬프트가 아닌 계획을 부여하세요. 새로운 지라(Jira) 기능을 통해 AI 네이티브 소프트웨어 개발을 위한 전체 컨텍스트가 열립니다. 이제 지라에서 클로드(Claude), 커서(Cursor) 또는 깃허브 코파일럿(GitHub Copilot)에게 직접 작업을 할당할 수 있습니다. 자세히 알아보기.
OpenAI의 실수로 휴깅 페이스를 공격한 사건은 2026년 7월 22일에 실제로 일어난 공상과학입니다.
이 이야기는 정말 황당합니다. 짧은 버전으로 말씀드리자면 이렇습니다. OpenAI는 안전 가드레일(guardrail) 기능을 끄고 미출시 모델을 대상으로 사이버 보안 테스트를 진행하고 있었습니다. 그런데 이 모델이 테스트를 풀어내는 대신 OpenAI의 샌드박스(격리 환경)를 탈출했습니다. 그리고 테스트 답안을 훔쳐서 부정행위를 하기 위해 휴깅 페이스(Hugging Face)를 해킹할 수 있는 취약점(exploit)을 찾아내 침투했습니다. 이 과정에서 이 사건은 모델 접근성의 불균형이 소프트웨어를 안전하게 보호하는 우리의 능력을 얼마나 훼손하고 있는지에 대해 지금까지 중 가장 강력한 증거 사례가 되었습니다.
무슨 일이 있었는지 여기 있습니다. 우리는 현재 이 상황에서 무슨 일이 일어났는지 이해하는 데 도움을 주는 세 개의 문서를 가지고 있습니다.
- 'ExploitGym: AI 에이전트는 보안 취약점을 실제 공격으로 바꿀 수 있는가?'는 LLM 기반 에이전트 시스템을 위한 새로운 평가 제품군인 ExploitGym을 설명하는 논문으로 2026년 5월 11일에 발표되었습니다.
- 2026년 7월 16일 휴깅 페이스가 발표한 '2026년 7월 보안 사고 공개'에서는 신원이 아직 파악되지 않은 LLM을 사용하는 '에이전트형 보안 연구 하네스(harness)'가 자사 시스템의 일부를 침해한 공격을 어떻게 탐지했는지 설명합니다.
- 2026년 7월 21일 OpenAI가 발표한 'OpenAI와 휴깅 페이스, 모델 평가 중 보안 사고 해결을 위한 파트너십'에서는 이 사건이 자신들의 에이전트 하네스의 소행이었음을 인정하며, 사태를 수습하기 위해 휴깅 페이스와 협력 중이라고 밝혔습니다.
ExploitGym 저는 이전에 ExploitGym 논문을 본 적이 없었는데, 정말 흥미로운 논문입니다. UC 버클리, 막스 플랑크 연구소, UC 산타바바라, 애리조나 주립대학교의 저자들이 보고된 취약점을 구체적인 공격 코드로 변환하는 모델의 능력을 평가하기 위한 새로운 벤치마크를 설계했습니다. OpenAI, Anthropic, Google은 피드백을 제공하고 자사 모델에 대한 벤치마크 실행을 도왔습니다.
이 벤치마크는 "리눅스 커널(Linux kernel) 및 V8 자바스크립트 엔진을 포함하여 유명한 소프트웨어 프로젝트에 영향을 미쳤던 실제 취약점에서 파생된 898개의 사례로 구성"되어 있습니다.
다음은 그들의 벤치마크 결과를 가장 잘 보여주는 문단입니다. "모든 구성 중에서 Claude Mythos Preview와 GPT-5.5가 가장 높은 성공 횟수(각각 157회, 120회 성공)를 기록했으며, 이는 현재 최첨단 에이전트들이 통제된 환경에서 실제 취약점의 상당 부분을 악용할 수 있음을 보여줍니다. GPT-5.4도 눈에 띄는 54개의 작업을 해결하여 중간 수준에 위치했습니다. 나머지 모델-에이전트 페어링은 각각 15개 미만의 작업만 해결하여, 엔드투엔드 익스플로잇(침투 공격)이 여전히 어렵다는 점과 오늘날 최첨단 시스템 간의 뚜렷한 성능 차이를 강조합니다. 특히 Claude Opus 4.7은 더 새로운 체크포인트임에도 불구하고 Claude Opus 4.6보다 성공 횟수가 적으며, 전체 세트에서 훨씬 더 낮은 비용으로 그렇게 했습니다. 추적 검사에 따르면 Claude Opus 4.7과 Gemini 3.1 Pro는 대상 취약점을 악용할 수 없는 것으로 판단한 후 자주 조기 종료하는 경향이 있었습니다."
이 논문은 또한 에이전트가 테스트 매개변수를 벗어나 부정행위를 하는 것을 방지하기 위해 취한 접근 방식에 대해서도 설명합니다. 이 부분은 잠시 후에 중요해집니다! 아웃바운드 연결은 일상적인 패키지 설치(Ubuntu apt 저장소 및 PyPI)와 V8 빌드에 필요한 툴체인(toolchain)을 가져오는 것을 허용하는 엄선된 허용 목록으로 제한됩니다. 다른 모든 외부 엔드포인트는 차단됩니다.
논문은 다음과 같이 결론을 맺습니다 (강조는 나의 것입니다). "우리의 결과는 최첨단 AI 에이전트에 의한 자율적인 익스플로잇(공격 코드) 개발이 더 이상 가상의 능력이 아님을 보여줍니다. 현재 에이전트는 모든 대상에 대해 아직 신뢰할 수준은 아니지만, 이미 커널 구성 요소와 같은 복잡한 대상을 포함하여 실제 취약점의 무시할 수 없는 비율을 악용하고 있습니다. 이러한 빠른 등장은 그 자체로 핵심 발견이며, 불가능해 보였던 능력이 이제 배포된 최첨단 모델에 나타나고 있음을 보여줍니다."
여기에 중요한 세부 사항이 있습니다: