TL;DR

Anthropic이 2026년 2월 5일 Claude Opus 4.6 출시
출시 전 테스트에서 500개 이상의 제로데이 취약점 발견
GhostScript, OpenSC, CGIF 등 널리 사용되는 오픈소스 라이브러리에서 발견
특별한 프롬프팅이나 커스텀 도구 없이 "out-of-the-box"로 발견
모든 취약점은 메인테이너에게 리포팅되어 패치됨

배경: Opus 4.6은 무엇이 다른가?

Anthropic은 2026년 2월 5일 Claude Opus 4.6을 발표했다. Opus 4.5 출시 후 불과 3개월 만의 업그레이드다.

주요 특징:

1M 토큰 컨텍스트 윈도우 (Opus 모델 최초)
Agent Teams - 멀티 에이전트 협업 기능
Adaptive Thinking - 작업 복잡도에 따른 자동 추론 레벨 조정
벤치마크 전반에서 GPT-5.2, Gemini 3 Pro 능가

하지만 진짜 주목할 만한 건 숫자가 아니다. 500이라는 숫자, 바로 출시 전 테스트에서 발견한 제로데이 취약점의 수다.

실험 셋업: 어떻게 테스트했나?

Anthropic의 Frontier Red Team은 Opus 4.6을 샌드박스 환경에 넣고 다음을 제공했다:

최신 오픈소스 프로젝트 소스코드
Python 실행 환경
표준 취약점 분석 도구 (디버거, 퍼저 등)

제공하지 않은 것:

도구 사용법에 대한 지시
특정 취약점을 찾기 위한 프롬프트
커스텀 하네스나 specialized 지식

즉, "알아서 해봐"라는 설정이다. 그리고 Opus 4.6은 500개 이상의 고위험 취약점을 찾아냈다.

발견된 취약점 상세 분석

1. GhostScript - Git 히스토리 분석을 통한 발견

GhostScript는 PDF/PostScript 처리에 널리 사용되는 유틸리티다. Opus 4.6의 접근 방식이 흥미롭다.

시도 1: 퍼징 → 실패
시도 2: 수동 코드 분석 → 의미 있는 결과 없음
시도 3: Git 커밋 히스토리 분석 → 성공!

Opus 4.6은 보안 관련 커밋을 찾아 이렇게 추론했다:

"stack bounds checking for MM blend values" 관련 커밋이 있다. 이 커밋이 bounds checking을 추가한다면, 이전 코드는 취약했다는 의미다. 비슷한 다른 코드 경로에도 같은 문제가 있을 수 있다.

그리고 gdevpsfx.c에서 동일한 패턴의 미패치 취약점을 발견했다. 같은 함수를 호출하지만 bounds checking이 없는 코드였다.

핵심 인사이트: AI가 "과거 수정 패턴"을 학습해서 유사한 미수정 취약점을 찾는 방식. 이건 숙련된 보안 연구자의 방법론과 같다.

2. OpenSC - 위험한 함수 패턴 탐색

OpenSC는 스마트카드 데이터 처리 유틸리티다. 여기서도 퍼징이 먼저 실패했다.

다음 접근법:

strrchr()와 strcat() 함수 호출을 검색해보자 - 
path traversal이나 buffer overflow가 자주 발생하는 패턴이다.

strcat 연속 호출 지점을 발견:

char filename[PATH_MAX]; // 4096 bytes
r = sc_get_cache_dir(card->ctx, filename,
    sizeof(filename) - strlen(fp) - 2);
if (r != SC_SUCCESS)
    goto err;
strcat(filename,"/");
strcat(filename,fp);  // ← Buffer overflow 가능!

기존 퍼저들이 이 코드를 거의 테스트하지 못한 이유는 트리거를 위한 전제조건이 많기 때문이다. Opus 4.6은 코드를 "이해"하고 어떤 부분이 취약한지 추론할 수 있었다.

3. CGIF - LZW 알고리즘 이해를 통한 발견

CGIF는 GIF 파일 처리 라이브러리다. 이 케이스가 가장 인상적이다.

GIF는 LZW 압축을 사용한다. CGIF는 "압축 후 크기가 원본보다 작다"고 가정한다. 보통은 맞는 가정이다.

하지만 Opus 4.6은 이걸 깨뜨렸다:

LZW 심볼 테이블이 최대 크기(4096)에 도달하면 'clear' 토큰이 삽입된다. 이를 반복하면 압축 후 크기가 원본보다 커질 수 있다 → Heap buffer overflow 발생!

이 취약점의 특이점:

100% 라인/브랜치 커버리지로도 발견 불가
매우 특정한 연산 시퀀스가 필요
LZW 알고리즘에 대한 개념적 이해가 필수

전통적인 퍼저로는 사실상 불가능한 발견이다.

기존 도구와의 비교

측면	전통적 퍼저	Claude Opus 4.6
접근 방식	무작위 입력 생성	코드 이해 + 추론
사전 조건	많은 CPU 시간, 커스텀 하네스	표준 도구만으로 충분
복잡한 논리	어려움	알고리즘 이해 가능
히스토리 분석	불가능	Git 커밋 분석 가능
false positive	많음	검증 후 리포팅

OSS-Fuzz 같은 프로젝트들이 수백만 CPU 시간을 투자한 코드베이스에서도 Opus 4.6은 수십 년 동안 숨어있던 취약점을 찾아냈다.

보안 업계에 미치는 영향

긍정적 측면

방어자 우위 확보 가능성
Logan Graham (Anthropic Frontier Red Team 리드):

"앞으로 오픈소스 소프트웨어 보안이 주로 이 방식으로 이루어질 수도 있다"
리소스 부족 프로젝트 지원
많은 오픈소스 프로젝트가 전담 보안 팀 없이 운영된다. AI 기반 취약점 발견은 이들에게 큰 도움이 된다.
인간 검증 + AI 발견 조합
Anthropic은 모든 취약점을 인간이 검증하고, 패치도 인간이 작성했다. AI-Human 협업의 좋은 모델.

우려되는 측면

공격자도 같은 도구 사용 가능
DevOps.com 기사 제목: "Is Claude Opus 4.6 the Best Security Researcher Ever?"

"만약 악의적인 행위자에게 600개의 새 취약점이 첫날부터 주어진다면?"
Dual-use 딜레마
강력한 취약점 발견 능력은 방어와 공격 모두에 사용될 수 있다.
책임감 있는 공개의 중요성
Anthropic은 Responsible Disclosure를 통해 먼저 패치를 유도했다. 하지만 모든 AI 제공자가 이렇게 할까?

Anthropic의 안전장치

Opus 4.6 출시와 함께 새로운 보안 조치도 도입됐다:

6개의 새 사이버보안 프로브 - 모델 내부 활성화를 모니터링
실시간 트래픽 분석 - 잠재적 악용 탐지
사용 패턴 모니터링 - 의심스러운 행동 차단

벤치마크 성과 (참고)

제로데이 발견만큼 중요하진 않지만, Opus 4.6의 전반적인 성능도 인상적이다:

벤치마크	Opus 4.6	GPT-5.2	Gemini 3 Pro
Terminal-Bench 2.0	65.4%	64.7%	56.2%
ARC-AGI 2	68.8%	54.2%	45.1%
GDPval-AA (Elo)	1606	1462	1195
BrowseComp	84.0%	77.9%	59.2%

특히 ARC-AGI 2에서 GPT-5.2 대비 14.6% 포인트 앞선 건 "새로운 문제 해결 능력"에서 큰 차이가 있음을 보여준다.

결론

Claude Opus 4.6의 500+ 제로데이 발견은 단순한 마케팅 수치가 아니다. AI 보안 연구의 패러다임 전환을 보여주는 사례다.

핵심 포인트:

AI가 "코드를 이해하고 추론"하는 방식으로 취약점 발견 가능
전통적인 퍼징으로는 발견 불가능한 복잡한 논리적 취약점도 발견
방어자와 공격자 모두에게 게임 체인저가 될 수 있음
Responsible Disclosure와 인간 검증의 중요성 재확인

앞으로 AI가 보안 연구에서 어떤 역할을 할지, 그리고 이를 어떻게 책임감 있게 사용할지가 중요한 화두가 될 것이다.

References

댓글