Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
Sakana AI가 사이버 보안에 특화된 오케스트레이션 모델 'Fugu-Cyber'를 출시했습니다. 이 모델은 여러 전문 에이전트의 협력을 통해 취약점 검증, 탐지 규칙 생성 등 복잡한 보안 워크플로우를 수행합니다. 높은 보안성 때문에 모든 접근은 인간 심사를 거쳐야 합니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 Qiita AI의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기Retro Fugu-Cyber Robot Announcement Poster.png
서론
올해 7월, Sakana AI가 사이버 보안에 특화된 오케스트레이션 모델인 'Fugu-Cyber'를 출시했습니다. Fugu 시리즈 중 유일하게 API 키를 생성해도 바로 사용할 수 없는 모델입니다. 모든 신청은 사람의 손으로 심사를 거쳐야 하며, 셀프서비스 등록이나 공개 API 티어, 모델 가중치 공개는 없습니다.
저희는 오픈소스 자율 에이전트 프레임워크인 'aeon'의 보안 스킬 묶음을 운영하고 있으며, 이번에 Fugu-Cyber 프로그램 심사를 통과했습니다.
본 글에서는 Fugu-Cyber가 기술적으로 무엇인지, 왜 접근이 심사제인지, 신청을 통과하기 위해 무엇이 필요한지, 그리고 실제 운영의 보안 파이프라인에 어떻게 통합할 수 있는지 설명합니다. 이 글은 보안 업무에 LLM 도입을 고려하는 엔지니어와 심사제 AI 프로그램 신청을 생각하는 팀을 독자로 상정하고 있습니다.
Fugu-Cyber란 무엇인가
Fugu-Cyber는 Sakana AI의 멀티 에이전트 오케스트레이션 시스템인 'Sakana Fugu'의 사이버 보안 특화 버전입니다.
Fugu 아키텍처의 핵심은 '여러 전문 에이전트를 협력시키면서도 외부에서는 하나의 모델처럼 작동하는 것'입니다. 클라이언트는 API 요청을 단 하나만 보내면 되지만, 내부적으로는 Fugu가 작업을 전문 에이전트 그룹에 동적으로 할당하고 태스크 완료까지 협력시킵니다. 거대한 단일 모델의 스케일링이 아니라, 모델 간 오케스트레이션을 통해 성능을 내는 접근 방식입니다.
Fugu-Cyber는 이 메커니즘을 보안 업무에 적용한 것이며, 예상되는 태스크는 다음 세 가지로 정리할 수 있습니다.
| 태스크 | 내용 |
|---|---|
| 취약점 검증 | 복잡한 코드베이스를 분석하여 보고된 결함이 실제로 악용 가능한지 패턴 매칭이 아닌 실증 기반으로 확인합니다. |
| 탐지 규칙 생성 | 원시 위협 인텔리전스(CTI) 리포트를 동작하는 탐지 규칙으로 변환합니다. |
| 다단계 평가 | 단일 모델이 문맥을 잃기 쉬운, 길고 상태를 유지해야 하는 보안 워크플로우의 수행입니다. |
벤치마크
Sakana AI가 공개한 수치는 다음과 같습니다.
회사는 이를 GPT-5.5-Cyber나 Mythos Preview와 같은 사이버 특화 프론티어 모델과 동등한 수준이라고 보고 있습니다.
:::note warn 벤치마크 평가 방법은 완전히 공개되지 않았습니다(TechTimes 지적). 수치는 벤더의 주장으로 간주하고, 자신의 워크로드에서의 평가를 전제로 하시기 바랍니다. :::
왜 접근이 심사제인가
익스플로잇 검증에 능숙한 모델은 정의상 익스플로잇 발견에도 능합니다. 이처럼 양면적 사용(dual-use) 가능성이 높은 모델을 어떻게 제공할 것인지에 대한 Sakana AI의 답은 구조적인 게이트였습니다.
'일단 시험해보고 싶다'는 신청은 통과하지 못합니다. 이는 불편함이 아니라 설계입니다. 당일 평가를 시작할 수 없기 때문에, 도입을 고려하는 팀은 필요하기 전에 미리 신청해야 합니다.
일본에서 온 프론티어 보안 AI라는 점
Fugu-Cyber는 실리콘밸리의 산물이 아닙니다. Sakana AI는 도쿄의 AI 연구소에서 Transformer 논문의 공동 저자인 Llion Jones와 David Ha(hardmaru) 등이 창업했습니다. 일본 정부의 GENIAC 프로그램(NEDO)을 통해 슈퍼 컴퓨팅 보조금을 받은 7개 기관 중 하나이며, 2025년 11월 시리즈 B에서는 평가액이 26.5억 달러에 달합니다.
David Ha가 출시 당시 남긴 포스트에 따르면, 실제 사이버 보안 벤치마크에서 최고 수준을 보여주는 오케스트레이션 모델이 일본에서 나왔다는 점과, 그것이 심사제라는 책임 있는 접근 방식과 결합되어 나온 것은 미중 외의 대안으로서 의미가 있다고 생각합니다.
실제 운영에 통합하기: aeon의 사례
저희가 Fugu-Cyber를 통합하는 곳은 'aeon'(MIT 라이선스의 자율 에이전트 프레임워크)으로 운영하고 있는 두 가지 보안 스킬입니다. 둘 다 공개 우선(disclosure-first)으로 설계되었습니다.
vuln-scanner: 대상 리포지토리를 포크하여, grep이 아닌 데이터 플로우 분석 기반 스캐너를 실행하고, 실제로 악용 가능한 발견에만 한정합니다. 코드의 결함은 GitHub의 취약점 보고 기능 또는 SECURITY.md의 연락처를 통해 관리자에게 비공개 보고서로 전달됩니다. 공개 PR이 되는 것은 이미 공지된 의존성 CVE(Common Vulnerabilities and Exposures)뿐입니다.
contract-audit: Base 상의 검증된 소스 코드와 온체인 상태로부터 역량 매트릭스(프록시 및 업그레이드 가능 여부, 관리자 역할, 민팅/동결/일시 중지/자금 인출 각 권한)를 생성합니다.
Fugu-Cyber는 트리아지 과정에 사용됩니다. 스캔 자체는 저렴하지만, 어떤 발견이 정말 악용 가능한지 확인하는 것이 가장 많은 공수가 들고, 가장 실수하기 쉽습니다. CyberGym이 측정하는 것은 거의 이 작업 그 자체이므로, vuln-scanner의 트리아지에 Fugu-Cyber를 삽입함으로써, 관리자에게 전달되는 오탐지를 줄이고, 전달된 발견에 대한 검증을 심화하는 방식으로 사용됩니다.
보고 규칙은 변하지 않습니다. 먼저 비공개 보고서, 먼저 관리자의 병합(merge), 수정 전에 결함이 공개되는 일은 없습니다.
신청 승인을 위한 체크리스트
자체 팀으로 신청할 경우, 심사에서 검토하는 것은 '심사 담당자가 검증할 수 있는지'입니다.
신청 양식은 sakana.ai/fugu의 요금 섹션에 있습니다. 참고로, Fugu-Cyber의 요금은 개별 견적(영업 문의)이며, 일반적인 Fugu Token Plan의 공개 요금이 적용되지 않습니다.
마치며
Fugu-Cyber는 '심사를 통과한 팀만 사용할 수 있는 보안 특화 오케스트레이션 모델'입니다. 벤치마크 수치에는 방법 비공개라는 유보 사항이 붙지만, 취약점 트리아지라는 실무에서 가장 비용이 많이 드는 과정에 특화된 설계와, 듀얼 유즈를 전제로 한 심사제 제공 모델은 보안×LLM의 운영을 고려할 때 참고가 될 것입니다.
에이전트 프레임워크를 운영하고 있어 강화된 파이프라인에서의 보안 리뷰를 받고 싶은 분은 연락 주십시오. 발견 사항은 비공개로 전달됩니다.