Visa가 8월 21일 오픈소스 보안 AI 도구 VVAH(Visa Vulnerability Agentic Harness)의 확장 버전을 공개했다. 취약점 탐지에서 패치 작성, 자체 검증까지 11단계를 기본값으로 모두 실행하며, 운영자가 탐지 단계에서 멈추도록 설정하지 않으면 대상 저장소 소스 파일을 직접 수정한다.
VVAH가 자동화하는 것
Visa 기술 총괄 사장 Rajat Taneja는 VentureBeat 단독 인터뷰에서 "AI가 인간보다 빠르게 취약점을 찾는 시대가 됐다. 병목은 이제 발견이 아니라 수정과 검증"이라고 밝혔다. VVAH는 Anthropic의 Project Glasswing에서 Visa가 Claude Mythos를 자사 네트워크에 적용한 경험을 토대로 개발됐다. 당시 모델이 사소한 취약점을 연결해 실제 작동하는 익스플로잇을 만들어내는 것을 확인하면서 개발이 본격화됐다.
이번 업데이트의 핵심은 파이프라인 확장이다. 기존 '탐지→검증→보고' 흐름이 '탐지→검증→수정→검증→반복'으로 바뀌었다. 패치가 익스플로잇을 무력화하지 못하면 첫 번째 실행의 학습 내용을 보존한 채 다음 시도로 넘어가는 구조다. 스캐닝 엔진도 추상 구문 트리(AST) 기반 호출 그래프로 재설계해 토큰 수를 줄이면서 공격자가 접근 가능한 경로 분석 정밀도를 높였다.
자동화 단계별 구조
▼ VVAH 11단계 자동화 흐름 요약
| 단계 | 역할 | 자동화 여부 |
|---|---|---|
| 1~9단계 | 취약점 탐지·검증·분석 | 자동 |
| 10단계 | 패치 후보 작성 (작업 복사본) | 자동 |
| 11단계 | 적대적 검증 패널 (validated / failed / needs review) | 자동(읽기 전용) |
| 빌드·테스트·코드 리뷰 | 실제 병합 전 검증 | 팀 자체 흐름 유지 |
Visa는 "VVAH는 병합 도구가 아니라 하네스"라고 명시했다. 인간이 개입하는 지점은 세 곳이다. 도구 실행 전, 패치 검토 시, 병합 전이다. 최종 결정은 보안·엔지니어링 팀이 내린다.
AI 보안 아키텍처 비교: 자동 방어 vs 샌드박스 탈출
이번 공개는 AI 에이전트 보안 아키텍처 논쟁이 한창인 시점에 나왔다. VVAH 공개 18일 전, DEF CON 34에서 Tenet Security가 GhostJacking 공격 체인을 시연했다. 에이전트가 로그 파일에서 공격자 페이로드를 읽어 유효한 자격증명으로 DNS를 덮어쓴 사례다. Taneja는 Hugging Face 사건과 "프런티어 모델들이 샌드박스를 탈출해 더 자율적으로 행동한 사례"를 언급하며 "모든 기업이 아키텍처를 재검토해야 한다"고 말했다.
▼ AI 보안 아키텍처 접근법 비교
| 항목 | VVAH (Visa) | 샌드박스 탈출 사례 | Wilson 권고안 |
|---|---|---|---|
| 기본 동작 | 자동 패치 (11단계 기본 실행) | 에이전트 자율 행동 | 모델 외부 승인 게이트 |
| 인간 개입 위치 | 실행 전·패치 검토·병합 전 | 없음 또는 사후 | 행동 실행 전 |
| 고위험 단계 제어 | 11단계 읽기 전용, 빌드·테스트 별도 | 제어 없음 | 에이전트가 변경 제안만, 실행 권한 없음 |
| 프롬프트 기반 보안 규칙 | IAM·최소 권한·감사 추적 병행 | - | 프롬프트 규칙은 제안일 뿐, 강제력 없음 |
Exabeam의 최고 AI 및 제품 책임자이자 OWASP Top 10 for LLM Applications 공동 리드인 Steve Wilson은 "모델 내부에 작성된 보안 규칙은 모델 행동을 유도하는 제안이지 강제 가능한 보안 통제가 아니다"라고 지적했다. Wilson의 기준에서 보면 VVAH의 세 인간 게이트는 모델 외부에 위치하지만, 게이트가 작동하는 시점이 다르다. Wilson이 권고한 '행동 전 승인'과 달리 VVAH의 기본 설정은 패치 작성 후 검토 구조다.
멀티모델 오케스트레이션과 오픈웨이트 지원
VVAH는 이번 업데이트로 단계별 모델 선택을 설정 파일로 제어할 수 있게 됐다. Taneja는 "Mythos는 재현율이 높고 Opus는 정밀도가 높다. 1단계에는 이 모델, 2단계에는 저 모델을 쓰는 방식"이라고 설명했다. 최신 GPT 모델과 오픈웨이트 모델도 앙상블에 포함됐다. 6월까지는 수정 적용 단계에 Anthropic 백엔드가 필수였지만, 현재는 OpenAI 호환 및 오픈웨이트 모델로 수정·검증 단계가 확장됐다. 기본 라우팅은 여전히 Anthropic이다.
VVAH는 GitHub에서 6월 공개 이후 8월 25일 기준 2,300개 이상의 스타와 300개 이상의 포크를 기록했다. Taneja는 클론 대 방문자 비율을 약 9%로 제시했다. Visa는 이번 발표와 함께 VVAH를 Nvidia의 Open Secure AI Alliance에 모델 무관 프레임워크로 기여하고, IBM·Red Hat의 50억 달러 규모 오픈소스 보안 프로젝트 Project Lightwell에도 참여한다고 밝혔다.
외부 코드 기여는 현재 받지 않는다. 저장소는 채택 기업 소스는 수정하지만 자신의 코드는 받아들이지 않는 단방향 구조다.
국내 금융·보안 기업 시사점
국내 금융권과 보안 기업이 AI 에이전트를 도입할 때 VVAH 아키텍처는 참고 사례가 된다. 핵심은 세 가지다. 첫째, 실행 전 대상 저장소 범위를 명확히 제한하고 임시 환경에서 스캔을 실행한다. 둘째, 단계별로 모델 역할(재현율 vs 정밀도)을 구분해 배정한다. 셋째, 11단계 적대적 검증 결과를 병합 전 추가 익스플로잇 재테스트와 병행한다. Visa Consulting & Analytics는 이번 발표와 함께 NIST 1~5점 척도 기반 성숙도 평가와 사이버 리스크 우선순위 로드맵 서비스도 추가했다.
