중국 오픈모델 해킹 성능 급등, DeepSeek 73% 파문

Wired가 2026년 11월 6일 보도한 Vals의 실험에서 중국 오픈웨이트 모델 DeepSeek이 모의 기업망 침투 과제 수행률 73%를 기록해, 신뢰 파트너에게만 공개된 OpenAI의 최상위 사이버 모델 Daybreak의 81%에 육박했습니다. 일부 과제에서는 두 모델이 동점을 기록했으며, 공격 1회당 토큰 비용은 2~3달러 대 17~46달러로 10배 이상 벌어졌습니다. 누구나 내려받아 자체 하드웨어에서 돌릴 수 있는 모델이 폐쇄형 최전선 모델을 따라잡았다는 점에서 한국 기업의 보안 전략에도 직접적인 경고가 됩니다.

1. Vals 모의 침투 실험이 측정한 것

Wired에 따르면 AI 능력 평가 회사인 Vals는 서로 다른 AI 모델들이 모의 기업망에서 복잡하고 다단계인 네트워크 침투 지시를 얼마나 잘 수행하는지를 측정했습니다. 단순한 질의응답이나 단일 취약점 탐지가 아니라 실제 공격 사슬처럼 이어지는 작업을 시킨 점이 특징입니다. 연구를 이끈 Vals의 니킬 라비 연구원은 현재 가장 앞선 폐쇄형 모델들이 실험실 안에 잠겨 있고 신뢰할 수 있는 접근 프로그램을 통해서만 제공되고 있는데, 이제는 누구나 내려받을 수 있는 오픈모델이 이를 따라잡기 시작했다고 평가했습니다.

실험은 두 가지 시뮬레이션 시나리오로 구성됐습니다. 첫 번째 시나리오는 외부에 공개된 웹사이트를 통해 접근 가능한 모의 기업망이었고, 두 번째 시나리오는 서로 다른 두 개의 기업망이 연결된 구조였습니다. 두 번째 경우에는 첫 번째 네트워크를 먼저 장악해야 두 번째 네트워크에 접근할 수 있도록 설계돼 측면 이동과 권한 상승 같은 실제 침투 단계가 반영됐습니다. Vals는 각 모델에 구체적인 달성 목표를 주고 평균 두 차례 테스트 기준으로 성공률을 집계했습니다.

이번 결과의 맥락에서 주목되는 것은 미국 프론티어 랩들의 그간 입장이 흔들리게 됐다는 점입니다. Wired 보도에 따르면 특히 Anthropic은 지난 4월 클로드 미토스 프리뷰(Claude Mythos Preview)를 시작으로 신모델의 제한적 공개 정책을 전제로 삼았는데, 이는 통제된 접근이 고도화된 해킹 능력의 광범위한 확산을 늦추는 시간을 벌어준다는 생각이었습니다. Anthropic의 프론티어 레드팀 리드인 로건 그레이엄은 지난 4월 프로젝트 글래스윙(Project Glasswing)을 통해 신모델의 전체 기능을 신뢰할 수 있는 방어자에게 먼저 제공해 선발 우위를 주려는 것이라고 설명했습니다. 그는 당시 보안 환경이 크게 달라질 6개월, 12개월, 24개월 후의 세계를 지금부터 준비해야 한다고 말했습니다. Vals 연구진이 지적한 것처럼 7개월이 지난 지금 그 전환이 예정대로 도착한 셈입니다.

2. 수치로 본 격차 해소: 성능은 8%p, 비용은 10분의 1

Vals 발표 기준 가장 유능한 모델은 OpenAI의 최첨단 사이버 모델인 Daybreak였으며, 신뢰할 수 있는 파트너에게만 제공되는 조건에도 불구하고 평균 두 차례 테스트에서 주어진 과제의 81%를 완수했습니다. 중국 오픈웨이트 모델 DeepSeek은 평균 73%의 목표를 달성해 격차가 8%포인트까지 좁혀졌습니다. Vals 연구진은 일부 과제에서는 두 모델이 동점을 기록했다고 밝혔습니다. 폐쇄형 모델이 사이버 기술에서 더 이상 결정적인 우위를 갖지 못하며, 접근 제한을 통한 확산 저지 노력이 무의미해질 수 있다는 해석이 나오는 이유입니다.

비용 구조는 파급력을 더 키웁니다. Vals에 따르면 GPT-6-Sol로 공격을 수행하는 데는 토큰 비용으로 17달러에서 46달러가 들지만 DeepSeek은 2달러에서 3달러면 됩니다. 오픈모델은 일반적으로 자체 하드웨어에서 실행할 수 있어 더 저렴하다는 것이 Vals의 설명입니다. Vals의 라이언 크리슈난 최고경영자는 이러한 비용 차이가 오히려 방어 측이 독점 모델 대신 오픈모델을 사용할 강력한 유인이 된다고 말했습니다. 같은 해 사이버보안 흐름과 맞물리면 의미가 분명해집니다. Wired 보도에 따르면 올해는 AI가 핵심 해킹 작업을 자동화해 공격자와 방어자 모두 코드에서 대규모로 새로운 취약점을 찾고 네트워크 약점을 빠르게 탐색하는 데 쓰였습니다. 다만 AI가 방어의 개념적 토대 자체를 바꿨는지, 아니면 기존 보안 난제를 증폭시킨 것인지를 두고는 전문가 논쟁이 이어지고 있습니다. 현실 세계의 관찰에서는 범죄 조직과 국가 지원을 받는 해커들이 자원을 아끼면서 기존 방식대로 행동하는 모습이 최근 수개월간 반복 포착됐다는 점도 함께 보도됐습니다.

3. 한국 개발자·기업에게 주는 시사점

① 오픈모델 도입 심사에 침투 내성 테스트를 별도 항목으로 넣는다

DeepSeek처럼 외부에서 내려받아 사내망과 연결되는 모델은 기능 검증과 별개로 공격자 관점의 검증이 필요합니다. 이번 Vals 실험처럼 공개 웹 접점 경유 침입과 내부망 간 측면 이동을 나눠 테스트한 구조를 참고해, 도입 전 PoC 단계에서 모델이 사내 문서와 코드 저장소, 고객 데이터 영역에 비정상 접근을 시도하거나 유도할 수 있는지를 점검합니다. 특히 자체 하드웨어에서 구동하면 토큰 비용이 2~3달러 수준으로 낮아져 내부 남용 시도가 대량으로 반복될 수 있으므로, 모델 서버의 네트워크 격리와 접근 로그, 외부 반출 차단 정책을 라이선스 검토와 같은 필수 관문으로 둡니다. 공공과 금융처럼 망분리와 접근 통제가 엄격한 조직은 오픈모델 도입 시 기존 모의해킹 항목에 AI 에이전트 경유 시나리오를 한 줄 추가하는 것만으로도 실효성이 큽니다.

② 방어 자동화에는 값싼 오픈모델을, 탐지 룰은 폐쇄형 의존에서 분산한다

Vals 최고경영자가 방어 측의 오픈모델 사용 유인을 직접 언급한 만큼, 한국 보안팀도 고비용 폐쇄형 API에만 의존하는 취약점 탐색과 로그 분석을 재설계할 시점입니다. DeepSeek 수준의 모델을 사내에 배치하면 외부 전송 없이 코드베이스 전수 스캔과 모의 침투 반복 실행이 가능해 17~46달러 구간이 부담돼 아끼던 테스트를 상시화할 수 있습니다. 다만 탐지 시그니처와 대응 플레이북을 특정 벤더 모델에 종속시키면 향후 접근 정책이나 가격 변화에 취약해지므로, 모델 교체가 가능한 추상화 계층과 평가용 벤치마크를 함께 유지합니다. 6개월, 12개월, 24개월 후를 대비하라는 Anthropic 측 경고대로 분기별 모델 성능 재측정 일정을 잡아 두는 것이 현실적입니다.

우리의 관점: 이번 결과는 폐쇄형의 우위가 성능 격차가 아니라 접근 통제와 비용 장벽에 있었다는 점을 드러냈습니다. DeepSeek이 73%로 Daybreak의 81%를 추격하고 일부 과제에서 동점을 낸 것은, 한국 기업이 오픈모델을 금지할 것이 아니라 통제된 환경에서 먼저 써보며 공격 내성을 측정해야 한다는 신호입니다. 특히 토큰 비용이 10분의 1 이하로 떨어진 현실에서는 공격자의 반복 시도와 방어자의 반복 검증이 모두 싸졌으므로, 검증 속도가 보안 수준을 가릅니다. 향후 12개월 안에 사내 오픈모델 운영 역량과 침투 테스트 자동화가 보안팀의 핵심 경쟁력이 될 것으로 전망합니다.

※ 위 시사점 섹션은 보도된 사실에 기반한 WhatsUpPick 편집팀의 독자적 분석·전망이며, 특정 제품 도입을 권유하는 것이 아닙니다.

참고 자료

• Wired 보도 원문 — Vals 실험 설계와 Daybreak·DeepSeek 수행률 및 비용 비교의 출처
• Anthropic 뉴스룸 — 제한 공개 정책과 방어자 우선 제공 관련 공식 발표 확인용
• OpenAI 뉴스룸 — 사이버 모델 및 신뢰 파트너 제공 정책 관련 공식 발표 확인용