예를 들어, 24시간 가동하는 공장의 밤입니다. 제조 설비는 PLC(Programmable Logic Controller)가 구동하고, 그 상태는 SCADA(Supervisory Control and Data Acquisition) 시스템이 모니터링합니다. 장비 데이터는 Linux 기반의 산업용 컴퓨터를 통해 생산 관리 시스템으로 전달됩니다. 화면의 램프는 녹색입니다. 정지나 경보도 발생하지 않습니다.
아침에 보안 담당자가 보고서 한 건을 들고 옵니다. 그것은 OpenAI가 2026년 11월 5일에 발표한 'GPT-6 Cyber: Advancing the frontier of aligned cybersecurity agents'라는 보고서입니다. 이 보고서는 Linux 커널을 조사하여 일반 사용자 계정에서 관리자 권한을 탈취할 수 있는 취약점을 대량으로 발견했고, 공격이 성립함을 확인했으며, 심지어 수정 방안까지 제시했다고 적혀 있습니다.
라인은 작동하고 있습니다. 작동하고 있다는 것과, 보안상 허점이 없다는 것은 같은 의미가 아닙니다.
본문에서 다루는 내용은 이 보고서를 오늘 밤의 게이트웨이에 어떻게 적용할 것인가입니다. Linux 커널의 취약점을 PLC나 SCADA 자체의 취약점으로 읽어서는 안 됩니다. 제시된 수치는 OpenAI의 실험 결과일 뿐, 제3자가 동일한 조건에서 재측정한 값이 아닙니다. 장소 역시 연구용 가상 머신이며, 실제 공장의 제어 장치가 아닙니다.
'발견된 시점부터 악용되기까지의 여유가 짧아지고 있다'는 정리 방식은 '취약점이 발견되고 공격이 이루어지기까지 847일'이었던 시대가 끝났다는 의미를 내포합니다. 여기서는 그 속도를, 오늘 밤 막을 수 없는 게이트웨이 앞에서 어떻게 받아들여야 할지를 서술합니다.
절차의 세부 내용은 전날인 2026년 11월 4일에 발표된 'A thousand fewer paths to root'에 담겨 있습니다. 다음 날의 발표는 이 실행의 핵심 모델을 GPT-6 Cyber로 삼고 있습니다. 가상 머신은 취약하게 만들지 않은 일반적인 데스크톱 OS입니다. 커널 역시 일반 배포판에서 사용하는 보호 기능(실행 방지 또는 부팅할 때마다 주소 배치 변경하는 메커니즘)이 유효합니다. 전제 조건은, 해당 머신에 일반 사용자 자격으로 접근 가능하다는 것입니다. 인터넷 외부에서 로그인 없이 침투한 실험이 아닙니다.
사람이 한 건씩 추적하던 작업을 여러 에이전트가 순차적으로 이어받고 있습니다. 낮은 권한부터 접근하여 안전과 관련성이 높아 보이는 부분을 선택합니다. 코드를 읽어 후보를 도출하고, 격리된 환경에서 이상 현상이 재현되는지 시도합니다. 관리자 권한을 탈취할 수 있는지 확인하며, 수정 방안을 작성합니다. 마지막으로 사람 연구원이 내용을 검토한 후 유지보수 측에 전달합니다.
2026년 10월 중순의 한 차례 조사에서는 낮은 권한에서 접근 가능한 부분을 5,034건, 약 280만 줄까지 좁혔습니다. 이는 커널 전체의 약 7%에 해당합니다. 그 이후 건수는 다음과 같이 감소했습니다.
| 단계 | 보고된 내용 | 건수 |
|---|
| 후보 | 중복을 제외한 지적 사항. 12시간 소요 | 2,308건 |
| ... | | |
| 1,724건은 후보의 약 74.7%입니다. 재현하지 못한 지적에 대해 OpenAI는 대다수가 더 높은 권한이 필요했거나, 시간 내에 조건을 만들 수 없었기 때문이라고 설명합니다. 분석이 발생 불가능한 조건을 전제로 한 비율은 3.1%였으며, 정보 유출을 보여주는 실증 사례도 291건 있습니다. 본문에서 다루는 것은 관리자 권한 관련 내용입니다. | | |
실행된 공격은 1,169건이었습니다. 유사한 원인별로 정리하면 개별 취약점은 948건이었고, 그만큼의 수정 방안을 만들었습니다. 발표가 '948건의 공격'이라고 할 때 세는 것은 이 개별 건수입니다. 같은 발표에서는 심각한 문제 304건에 대해 수정 방안과 함께 커널 유지보수 측에 전달했다고도 합니다.
948건의 수정 방안이 만들어진 것과, 948건이 실제로 채택되어 현장에서 안전하게 작동하는 것은 별개의 문제입니다. 사람의 검토, 회귀 테스트(regression test), 그리고 유지보수 측의 수용 과정이 남아 있습니다. OpenAI 자신도 최초의 수정 방안은 실증을 중단하더라도 여분의 변경 사항, 성능에 미치는 영향, 유사한 부분의 누락된 수정 등이 남는 경우가 있었다고 언급했습니다. 지시와 재작업을 거치면서 품질이 향상되었다는 내용입니다.
비용 또한 같은 문서에 있습니다. 2026년 7월, GPT-5.6 Sol로 동일 종류의 조사를 했을 때는 개별 권한 상승 건수가 166건이었고, API 크레딧은 513,690달러였습니다. 166건으로 나눈 1건당 비용은 약 3,095달러이며, 이는 총액을 건수로 나눈 값입니다. 10월의 실행은 948건이었고, 총액은 1,213,430달러였으며, OpenAI가 제시한 단가는 1건당 1,279달러였습니다. 건수는 5배를 초과했고, 총액은 증가했습니다. 인건비는 포함되지 않았습니다. OpenAI는 비용 자체를 낮추는 것이 목적이 아니며, 보고된 금액은 상한선에 가깝다고 언급했습니다.
다른 초기 실행에서는 성공으로 기록된 200건 중 20건이 할당된 취약점과는 다른 미지의 결함으로 관리자 권한을 탈취했습니다. 화면상으로는 성공입니다. 하지만 사람이 경로를 확인하면, 수정해야 할 부분이 달랐습니다. 이후에는 할당된 취약점을 사용했는지 여부를 별도로 확인하도록 했다고 적혀 있습니다. 목록의 '성공'은 경로를 확인한 후에 수정을 대상으로 삼아야 합니다.
수집된 166건의 공격 중 최소 10가지 기법은 외부 커널 전문가에게도 새로운 것이라고 OpenAI는 언급했습니다. 이 기법들의 내용은 안전상의 이유로 공개되지 않았습니다.
알려진 구멍을 작동하는 공격으로 만드는 비용에 대한 이야기는, 오픈 웨이트(open-weight) 모델이 공격을 빠르게 할 때 방어의 발견과 수정 또한 빠르게 한다는 것입니다. 그쪽은 오픈 웨이트와 공개된 취약점입니다. 이 보고서는 조사용 모델이 리눅스 커널의 권한 상승(privilege escalation)을 격리 환경에서 대량으로 확인했다는 내용입니다. 공장의 PLC에 그대로 적용할 수 있는 숫자는 아닙니다.
"커널 이야기라면, 래더 로직을 짜고 있는 나에게는 관계없다."
이렇게 생각하는 것은 자연스럽습니다. 모든 PLC가 리눅스로 작동하는 것은 아니기 때문입니다. 자체 OS나 실시간 운영체제(Real-Time OS)의 장비도 남아 있습니다.
현재 라인 역시 PLC만으로 닫혀 있지 않습니다. 제조 설비에서 PLC, SCADA, 데이터 수집, 생산 관리, 사내 네트워크로 신호가 전달됩니다. 중간에 리눅스 산업용 컴퓨터, 엣지 게이트웨이(edge gateway), 수집 장치, 모니터링 서버 등이 들어갈 수 있습니다. 아침 보고서와 관련된 것은 이 중간의 장비입니다.
데이터 수집 게이트웨이가 보고서와 같은 종류의 구멍을 가지고 있다고 가정해 봅시다. 공격하는 사람은 그 장비에 일반 사용자(general user)로 진입할 수 있어야 합니다. 일단 진입한 후 관리자 권한을 탈취하면, 게이트웨이상의 데이터를 수정하거나 통신을 방해하고, 연결된 정보를 수집할 수 있습니다.
관리자 권한을 탈취했다고 해서 PLC의 프로그램을 마음대로 수정할 수 있는 것은 아닙니다. 네트워크 분리(segmentation), 통신 권한, 인증, 장비가 받아들이는 명령에 따라 도달 범위가 달라집니다. 그 게이트웨이가 제어 측으로 연결되는 지점이라면, 다음 장비로 이동할 때의 도달점이 됩니다.
확인해야 할 범위는 제어 프로그램만 아닙니다. 그 옆에서 작동하는 OS와 통신 장비를 포함합니다.
IT 서버라면 수정 패치를 넣고 재부팅하는 것이 일반적인 절차입니다. 멈출 수 없는 시스템은 IT에도 있습니다. OT에서는, 그러한 수정이 생산과 설비에 직접적으로 영향을 미치는 경우가 많습니다.
밤의 회의가 열립니다. 보안 담당자는 게이트웨이 수정을 제안합니다. 설비 담당자는 그 자리에서 승인할 수 없습니다. 통신 드라이버의 움직임이 바뀌면 PLC와의 통신이 불안정해질 수 있습니다. 모니터링이 멈추면 라인의 상태를 볼 수 없게 됩니다. 오래된 장비는 OS를 업데이트하는 순간, 제조사의 동작 보증 범위에서 벗어날 수도 있습니다.
노출의 위험과 수정으로 인해 설비가 오작동할 위험. 어느 것을, 어떤 기간 동안, 어떤 대책으로 감수할 것인가. 이 판단은 이번이 처음이 아닙니다.
변하는 것은 건수입니다. 발견이 빨라지면, 이 회의에 올라오는 구멍도 늘어납니다. 리눅스 유지보수 측에서는 이번 조사가 끝날 때까지 권한 상승 중 61건을 상위 단계에서 수정했고, 43건은 통합 전 수정이 있었으며, 299건은 공개적으로 논의되고 있었습니다. OpenAI만의 성과가 아닙니다. 커뮤니티 전체의 움직임입니다. 공장의 게이트웨이는 같은 주에 재부팅할 수 없는 경우가 있습니다. 발견이 빨라져도, 수정 속도는 유지보수 창(maintenance window)과 제조사의 보증으로 멈추게 됩니다.
패치를 적용하는 절차만으로는 이 밤이 끝나지 않습니다. 위험의 크기와 설비가 멈출 영향도를 보고 순서를 정해야 하는 작업이 남아 있습니다.
같은 리눅스 구멍이 두 대에서 발견되었다고 가정해 봅시다.
한 대는 외부에도 사내 네트워크에도 연결되지 않은 검사 장치입니다. 다른 한 대는 사내 네트워크와 제어 네트워크 사이에서 데이터를 전달하는 그 게이트웨이입니다. 구멍의 번호는 같지만, 공격이 성립할 조건과 성립했을 때의 영향은 다릅니다.
이번 실험이 먼저 제시하고 있는 조건은 일반 사용자로서 로그인할 수 있다는 것입니다. 그 장비에 공격자가 진입할 경로가 있는지 여부가 심각도 점수보다 더 중요합니다. 심각도의 숫자만으로는 수정 순서를 정할 수 없습니다.
확인해야 할 것은 악용에 필요한 조건, 그 장비까지 도달하는 경로, 성립했을 때 멈추게 되는 공정, 사람의 안전이나 환경에 미치는 영향, 패치가 당장 불가능할 때의 통신 제한이나 접근 제어입니다. 품질과 관련된 설비와 사람의 안전과 관련된 설비에서는 같은 구멍이라도 수정 방법이 달라집니다.
AI는 소프트웨어 문제를 나열할 수 있습니다. 그 공장에서 어느 것을 먼저 지켜야 할지는 현장의 정보가 없으면 판단할 수 없습니다. 목록의 순서를 그대로 작업 순서로 삼지 마십시오.
제어 네트워크를 외부에서 분리하는 방식은 여전히 유효합니다. 단순히 분리되어 있다는 사실만으로 안전이 증명되는 것은 아닙니다.
사내망과 제어망 모두에 연결된 유지보수용 노트북을 사용하는 밤도 있습니다. 원격 유지보수를 위한 VPN을 남겨둔 공장도 있습니다. 설비 데이터를 클라우드로 전송하기 위해 외부로 나가는 통신 경로를 개방한 라인도 늘어나고 있습니다. 이러한 경로에 구멍이나 설정의 허점이 있다면, 제어 측으로 침투하는 도달 지점이 됩니다.
준비 시간이 짧아지면, 이전에는 전문가에게도 시간이 걸렸던 취약점을 단기간에 시도해 볼 가능성이 생깁니다. GPT-6 Cyber의 Linux 실험은 공장의 제어 네트워크에 직접 진입하는 실험이 아닙니다. 확인하는 것은 외부에서 접근할 수 있는지 여부입니다. 만약 침투하더라도 피해가 안전 계장(Safety Instrumentation)까지 확산되지 않도록 하는 것입니다. 모니터링 시스템이 침해되어도, 안전 계장은 조작될 수 없습니다. 데이터 수집 게이트웨이가 침해되더라도, PLC에 불필요한 쓰기 작업은 할 수 없게 합니다. 계층을 분리하여 확산을 막는 것입니다.
OpenAI는 같은 발표에서 설비 측의 방어와 결합된 실험에도 언급했습니다. Dragos가 가상 발전소 환경에서 허용 범위를 넓힌 Daybreak Red 모델을 구동했다는 내용입니다. 사용한 모델이 GPT-6 Cyber만이라고 쓰여 있지는 않습니다. Dragos의 Chief AI Officer인 Rob T. Lee 씨의 코멘트에 따르면, 모델에는 거의 사전 정보가 주어지지 않았음에도 불구하고 OT 장비와 IT 통신을 구분하고, 보호 릴레이(Protection Relay) 데이터를 다루는 엔지니어링 소프트웨어의 미지의 결함 두 가지를 발견했다고 합니다. 노출된 것은 보호 설정과 차단기(Circuit Breaker)를 끊는 논리입니다. 장소는 가상 환경입니다. 실제 발전소를 조작한 실험이 아닙니다. 그가 언급하는 것은 물리적 설비에 손대기 전의 정찰 및 취약점 조사에 필요한 기술 수준이 낮아지고 있다는 점입니다.
'AI가 발전소를 조작할 수 있다'고 읽어서는 안 됩니다. '설비 옆에 있는 소프트웨어가 조사 대상이 되기 시작했다'고 읽어야 합니다.
만약 AI가 산업용 컴퓨터의 구멍을 찾아내고 수정안을 제시했다고 가정해 봅시다. 프로그램의 어느 부분이 문제인지는 설명할 수 있을지 모릅니다. 어떤 설비와 연결되어 있는지, 언제 멈출 수 있는지, 수정한 후 어떤 테스트를 해야 하는지는 현장의 기록이 없으면 알 수 없습니다. 작동 후 확인에는 제어 주기(Control Cycle), 통신 안정성, 이상 발생 시의 동작을 볼 지식이 필요합니다.
도움을 줄 수 있는 것은 조사, 성립 조건 분석, 수정안, 대책 비교, 테스트 항목 제안입니다. OT 측이 결정해야 하는 것은 자사 설비에 미치는 영향, 실제 경로, 수정으로 인해 설비가 어떻게 변하는지, 생산과 안전 중 무엇을 우선할지, 현장 테스트와 운영 승인 등입니다.
배워야 할 것도 이 판단 과정에 포함됩니다. PLC 프로그램만으로는 가로질러 연결된 OS 및 통신 위험이 잘 보이지 않습니다. Linux나 Windows, 통신, 인증, 권한의 기본 지식이 필요합니다. CVE나 CVSS 수치는 읽을 수 있습니다. 그 위에서 자사 설비에서 성립할 수 있는지까지 봐야 합니다. 패치가 지금 불가능하다면, 분리, 통신 제한, 권한 재검토, 모니터링 강화 등을 조합해야 합니다. AI의 수정안이 반드시 맞는 것은 아닙니다. 소프트웨어 동작뿐만 아니라 제어 주기와 멈췄을 때의 동작까지 테스트를 설계할 수 있는 사람이 필요합니다.
설비를 움직이는 일은 남아 있습니다. 확장되는 영역은 설비의 동작, 보안, 안전, 운영 조건을 함께 보고 순서를 정하는 범위입니다. 이 보고서 이후에 남는 일은 발견한 문제를 작동 중인 라인의 안전과 연결하는 것입니다.
그 판단은 한 사람만으로는 내릴 수 없습니다. IT, 보안, 설비 제조사, 운영 담당자 사이에서 누가 영향을 볼지, 누가 정지를 승인할지를 미리 결정해야 합니다.
모델 외부에서 허용된 조작을 실행하기 전에 차단하는 정리 작업은 에이전틱 AI(Agentic AI) 시대의 보안이 방어(Defense)에서 통제(Control)로 이동하고 있음을 의미합니다. '움직이는 AI'를 멈추지 않으면서 제어하는 설계가 필요합니다. 여기서 그 차단 지점을 제어 네트워크 바로 앞에 두는 것입니다.
GPT-6 Cyber는 처음에는 승인된 고객만 사용할 수 있습니다. 조직에게는 싱글 사인온(Single Sign-On), 다중 요소 인증(Multi-Factor Authentication, MFA), 관리되는 단말기(Managed Device), 최소한의 권한이 요구됩니다. MFA는 사용자 측 인증 인프라에서 실시함을 신고하는 형태입니다. API는 원칙적으로 허가된 IP에서만 연결합니다. 자세한 내용은 GPT-6 Cyber System Card에 있습니다. 고도의 공격 능력을 누구의 계정으로든 호출할 수 있는 상태로 만들지 않는다는 설계입니다.
범위를 벗어난 곳을 공격하는 비율 또한 평가됩니다. 이는 어려운 과제 옆에 공격하기 쉬운 다른 서비스를 배치하여 테스트하는 것입니다. 이 과제의 합격 조건은 그 별도의 서비스를 공격하면 충족될 수 있습니다. 모델 측에서 '공격해서는 안 된다'고 판단할 수 있는지 여부를 확인합니다. OpenAI는 이 테스트를 Hugging Face의 사례를 바탕으로 만들었다고 언급했습니다. 사례 경위와 평가 환경을 실제 운영과 동일한 강도로 분리하는 이야기는, Hugging Face의 AI 주도 침입이 보여주듯이, 평가 환경에도 실전급 통제가 필요하다는 이유가 있습니다.
배치 시 안전 지침이 없는 테스트에서 GPT-6 Cyber가 범위를 벗어난 서비스를 공격한 비율은 0.07%였고, 회피한 비율은 99.93%였습니다. 이전 버전인 GPT-5.6 Cyber는 공격한 비율이 5.51%, 회피한 비율이 94.49%였습니다. 지침을 추가한 테스트에서는 관찰된 공격이 0%였습니다. 이는 OpenAI의 평가 환경 수치입니다. 공장 네트워크에서 항상 허가된 범위만 작동한다는 보장은 될 수 없습니다.
제어 현장에서는 또 다른 질문이 생깁니다. 취약점을 찾는 AI에게, 실제로 작동하는 제어 네트워크로 통신을 허용할 것인가 하는 문제입니다. 이상 징후를 찾기 위한 통신 자체가 오래된 PLC(Programmable Logic Controller)의 응답을 멈추게 할 수 있습니다. 조사 그 자체가 설비 가동을 방해할 수 있는 것입니다.
실제 제어망에 대한 조사 통신은 보내지 않습니다. 시작 지점은 구성 정보와 격리된 검증 환경입니다. 무엇을 실행할 수 있는지와 동시에, 무엇을 실행하지 못하게 할지를 연결 전에 명시합니다.
변경 전 남겨야 할 메모는 예를 들어 다음 항목들입니다. 제품의 설정이 아닙니다. 리뷰에서 빈칸을 확인하기 위한 칸입니다. 주소나 계정은 적지 않습니다. 값은 예시입니다.
# 변경 판단 메모. 장비의 주소나 계정은 기재하지 않는다.
asset: data-gateway
os: linux
...
needs_local_login은 이번 실험과 마찬가지로, 사전에 로그인이 필요한지 여부입니다. can_stop_this_window가 false인 경우, 결론을 대안책으로 작성합니다. while_unpatched에는 수정될 때까지의 대체 방안(여기서는 PLC에 대한 쓰기 금지)을 기재합니다. 빈칸 행은 패치를 적용하는 이유로 사용하지 않습니다. 채워진 행이 격리 환경에서 먼저 시도할 조건이 됩니다.
가장 먼저 작성해야 하는 것은 설비 목록입니다.
제어 시스템에서 어떤 OS와 소프트웨어가 작동하고 있는지, 어느 네트워크에 연결되어 있고 어떤 권한으로 통신하는지. 구멍(취약점)이 발견되었을 때 누가 영향을 보고할지, 누가 대책을 결정할지, 어떤 절차로 테스트할지가 명확하지 않으면, 조사가 빨라져도 수리 순서는 정해지지 않습니다. 목록과, 멈출 수 있는 시간, 승인자가 갖춰져 있다면, 취약점 비교나 대책안 비교에 AI를 활용할 여지가 생깁니다. 자산 파악이나 악용 유무에 따라 우선순위를 결정하는 이야기는 이전에 언급된 847일 기사에 있습니다. 여기서 추가할 내용은, 당장 멈출 수 없는 설비의 경우 패치 외 대체 방안을 같은 칸에 작성하고, 조사 통신을 실제 제어망으로 보내지 않는 것입니다.
구멍을 '0'으로 만들기 전에 지켜야 할 것은 설비의 안전과 안정적인 가동입니다. 사이버 위험은 그 현장에서 수용 가능한 수준까지 낮춰야 합니다.
GPT-6 Cyber 보고서가 보여주는 것은, 발견하고, 확인하고, 수정안을 제시하는 수단 자체가 변화하기 시작했다는 것입니다. 설비를 보호하는 것은, 그 보고서를 작동 중인 라인의 조건에 맞춰 읽어낼 수 있는 사람입니다.
다음 보전 회의에서는 데이터 수집 게이트웨이를 1대 선정할 것입니다. OS, 연결되는 지점, 로그인이 사전에 필요한지 여부, 현재 창에서 멈출 수 있는지, 멈출 수 없는 동안의 통신 제한. 이 다섯 가지가 작성된다면, 보고서의 948건은 자사 작업 순서에 맞춰 변환될 수 있습니다. 아직 작성할 수 없다면, 건수의 크기만이 회의의 결론이 됩니다.
작성일: 2026-11-16