[테크수다 기자 도안구 eyeball@techsuda.com] 마이크로소프트(Microsoft)가 자사 첫 사이버보안 특화 AI 모델 'MAI-사이버-1-플래시(MAI-Cyber-1-Flash)'를 7월 27일(현지시간) 공개했다. 이 모델은 멀티 에이전트 취약점 분석 하네스 'MDASH'와 결합해 업계 표준 벤치마크 사이버짐(CyberGym)에서 96%를 기록했다. 경쟁 시스템 미토스(Mythos)보다 12포인트 높다. 비용은 기존 MDASH 최고 구성 대비 50% 낮다. 마이크로소프트는 이 역량을 에이전틱 보안 시스템 '프로젝트 퍼셉션(Project Perception)'으로 묶어 8월 3일 공개 프리뷰로 내놓는다.

프로젝트 인식 | Microsoft Security

Project Perception은 AI 에이전트, 다중 에이전트 워크플로, 에이전틱 방어로 에이전틱 보안을 현실로 만듭니다. Microsoft Security로 더 많은 기능을 활용하세요.

Microsoft

핵심 내용

1. 첫 사이버보안 전용 모델 — 마이크로소프트가 자체 개발한 사이버보안 특화 AI 모델 MAI-사이버-1-플래시를 처음 내놨다.

2. 성능 96%, 비용 50% — 하네스 MDASH와 결합해 사이버짐에서 96%를 기록했다. 경쟁 시스템 미토스보다 12포인트 높고, 기존 최고 구성 대비 비용은 절반이다.

3. 8월 3일 프리뷰 — 이 역량을 묶은 에이전틱 보안 시스템 프로젝트 퍼셉션이 8월 3일 공개 프리뷰로 나온다.

마이크로소프트 AI를 이끄는 무스타파 술레이만(Mustafa Suleyman) CEO와 아예트 갈로(Hayete Gallot) 사장이 공동 명의로 발표문을 냈다. 사티아 나델라(Satya Nadella) 마이크로소프트 CEO도 같은 날 소셜미디어에 글을 올려 "고객에게 프런티어급 보안을 절반의 비용으로 제공한다"고 밝혔다.

90%는 소형 모델이, 10%는 대형 모델이 처리한다

마이크로소프트는 비용 구조를 이번 발표의 핵심으로 내세웠다. 회사는 밀려드는 공격량 탓에 토큰 비용이 방어자의 실질적 제약으로 바뀌었다고 진단했다.

해법은 작업 난이도에 따라 모델을 갈아 끼우는 멀티 모델 구조다. MAI-사이버-1-플래시가 전체 작업의 최대 90%를 처리한다. MDASH는 예외적으로 까다로운 나머지 10%에만 GPT-5.4 같은 대형 모델을 투입한다.

이 배분이 성능과 비용을 동시에 끌어올렸다. 단독 벤치마크에서 'MAI-사이버-1-플래시 + GPT-5.4' 조합은 95.95%를 기록했다. 미토스, 제미나이(Gemini), GPT 등 비교 대상 모델은 83.2%에서 85.6% 사이에 머물렀다. 통합 시스템 기준으로는 96%다. 비용은 현재 MDASH 최상위 구성인 'GPT-5.4 + 5.4 mini + 5.3 codex'의 절반이다.

모델 자체는 소형이다. 마이크로소프트는 MAI-사이버-1-플래시를 자체 개발한 'MAI-싱킹-1(MAI-Thinking-1)' 계보에서 파생한 코드 집약형 모델이라고 설명했다. 회사는 이 모델을 사내에서 처음부터 학습시켰다.

데이터가 차별점이라는 것이 마이크로소프트의 주장이다. 회사는 아이덴티티, 엔드포인트, 클라우드, 네트워크 전반에서 하루 100조 건이 넘는 보안 신호를 수집한다. 고객 160만 곳의 운영 인사이트와 마이크로소프트 보안대응센터(MSRC)의 취약점 기록도 학습에 반영됐다. 하네스인 MDASH에는 보안 전문가들이 만든 에이전트 100여 개가 들어 있다.

레드·블루·그린 3색 에이전트가 도는 폐쇄 루프

마이크로소프트는 모델과 하네스를 프로젝트 퍼셉션이라는 상위 시스템으로 감쌌다. 회사는 기존 워크플로에 에이전트를 얹는 방식으로는 한계가 있다고 판단했다. 대신 신호·센서, 보안 컨텍스트, 모델, 하네스, 에이전트, 액추에이터로 이어지는 새 사이버 스택을 처음부터 설계했다.

프로젝트 퍼셉션은 성격이 다른 세 종류의 에이전트를 동시에 굴린다. 레드팀 에이전트는 공격자보다 먼저 침해 경로를 찾는다. 블루팀 에이전트는 보안 맥락을 분석해 실제 위험을 가려낸다. 그린팀 에이전트는 시정 조치를 실행하고 방어 체계를 강화한다. 세 에이전트는 발견·평가·개선을 반복하는 폐쇄 루프를 구성한다.

컨텍스트 계층이 이 구조의 효율을 좌우한다. 마이크로소프트는 조직의 자산, 아이덴티티, 관계, 위험, 활동 정보를 지속 갱신하는 보안 컨텍스트를 별도로 구축했다. 에이전트는 매번 신호를 다시 모아 맥락을 재구성하지 않는다. 회사는 이 방식이 추론 정확도를 높이는 동시에 시간과 컴퓨팅, 비용을 줄인다고 설명했다.

안전 장치도 함께 공개했다. 마이크로소프트 AI 레드팀이 모델을 평가했고, 제3자가 독립 검증을 수행했다. 고객은 역할 기반 접근 통제, 테넌트 격리, 암호화, 감사 기능, 인터넷이 차단된 샌드박스 실행 환경을 함께 쓴다. 프로젝트 퍼셉션은 마이크로소프트 책임 있는 AI 원칙에 맞춰 구축됐으며, 최종 통제권은 사람이 쥔다.

당장의 적용 범위는 소프트웨어 취약점 관리다. 마이크로소프트는 앞으로 탐지, 조사, 대응 등 더 넓은 보안 워크플로로 MAI-사이버-1-플래시를 확대 적용할 계획이다. 술레이만 CEO와 갈로 사장은 "사이버보안은 데이터가 풍부한 영역을 넘어 살아 있는 강화학습 루프"라고 말했다.

MS, 첫 사이버보안 전용 모델 공개…비용 절반에 취약점 96% 잡는다, 이런 점이 궁금했어요

Q1. '첫 사이버보안 전용 모델'이라는 말은 무슨 뜻인가요?

마이크로소프트가 보안 업무만을 겨냥해 만든 첫 AI 모델이라는 뜻입니다. 기존에는 범용 모델을 보안에 끌어다 썼습니다. MAI-사이버-1-플래시는 자체 개발한 MAI-싱킹-1 계보에서 파생한 소형·코드 집약형 모델로, 복잡한 코드베이스에서 취약점을 찾도록 처음부터 설계됐습니다.

Q2. '취약점 96%를 잡는다'는 수치는 어디서 나왔나요?

사이버짐 벤치마크 결과입니다. 사이버짐은 AI 시스템이 대규모 코드베이스를 추론해 실제 취약점을 찾아내는 능력을 잽니다. MDASH와 MAI-사이버-1-플래시를 합친 통합 시스템이 96%를 기록했고, 경쟁 시스템 미토스보다 12포인트 앞섰습니다. 모델 조합 단독 기준으로는 95.95%입니다.

Q3. 비용을 절반으로 줄인 원리는 무엇인가요?

작업 난이도에 따라 모델을 나눠 쓰는 방식입니다. 소형 모델인 MAI-사이버-1-플래시가 전체 작업의 90%를 맡습니다. GPT-5.4 같은 고가 모델은 어려운 10%에만 투입합니다. 그 결과 기존 MDASH 최상위 구성 대비 비용이 50% 낮아집니다.

Q4. MDASH와 프로젝트 퍼셉션은 어떻게 다른가요?

MDASH는 취약점을 찾고 고치는 멀티 에이전트 하네스입니다. 프로젝트 퍼셉션은 그 위에서 신호, 컨텍스트, 모델, 에이전트, 액추에이터를 묶은 전체 보안 시스템입니다. MDASH의 코드 스캐닝 결과는 프로젝트 퍼셉션으로 흘러 들어갑니다.

Q5. 언제부터 쓸 수 있나요?

프로젝트 퍼셉션은 2026년 8월 3일 공개 프리뷰로 제공됩니다. 적용 범위는 소프트웨어 취약점 관리에서 시작해 탐지, 조사, 대응 등 다른 보안 워크플로로 넓어질 예정입니다.

[테크수다 기자 도안구 eyeball@techsuda.com]

• 이 기사를 작성할 때 AI를 활용했다.