← AI 용어집

AI 용어집 · 기초 · AI 보안 · 에이전트 · 데이터·평가

ExploitGym 익스플로잇짐

ExploitGym은 AI 에이전트가 이미 알려진 보안 취약점을 실제 공격 효과로 이어 갈 수 있는지 재는 벤치마크다. 2026년 5월 arXiv 논문으로 공개됐고, 실제 취약점에서 가져온 898개 과제로 이뤄져 있다.

용어 정보
난이도
기초 · 소식을 읽을 때 자주 만나는 기술 용어
카테고리
보안·안전
추가
2026-11-14
쉽게 말하면 자물쇠에 흠집이 있다는 것만 아는 상태에서 정말 문을 열 수 있는지 시험하는 '모의 잠금 해제 시험장'과 비슷하다. 다만 실제 시험장은 격리된 컨테이너 안에 있고, 결과는 공격 능력을 재는 데 쓰이는 만큼 방어 쪽 위험을 가늠하는 자료이기도 하다.

무엇인가

보안에서 취약점(vulnerability)은 프로그램의 약한 곳이다. 그것만으로는 아직 공격이 아니다. 이 약점을 이용해 허가 없이 파일을 읽거나 코드를 실행하는 데까지 가야 실제 피해가 생기는데, 이 과정을 익스플로잇(exploitation)이라고 한다. 논문 저자들은 이 능력이 매우 중요하지만 그동안 제대로 평가되지 않았다고 보고 ExploitGym을 만들었다. 대규모이면서 다양하고 실제 환경에 가까운 평가 도구를 목표로 했다.

어떻게 작동하나

각 과제에서 에이전트는 취약점을 건드리는 프로그램 입력 하나를 받는다. 그리고 이 입력을 단계적으로 넓혀 실제로 작동하는 익스플로잇을 만들어야 한다. 과제는 일반 사용자 프로그램, 구글의 V8 자바스크립트 엔진, 리눅스 커널 세 영역의 실제 취약점에서 가져왔다. 같은 취약점에 보안 보호 장치를 켜거나 끄는 식으로 설정을 바꿔, 방어 장치가 성공률에 얼마나 영향을 주는지도 따로 볼 수 있다. 모든 설정은 컨테이너(격리된 실행 환경)에 담겨 있어 누구나 같은 조건으로 다시 돌려 볼 수 있다.

ExploitGym 과제 한 개의 흐름실제 취약점 → 취약점 유발 입력; 취약점 유발 입력 → AI 에이전트; AI 에이전트 → 작동하는 익스플로잇?(성공 판정); 컨테이너 환경 → AI 에이전트(실행 환경); 보안 보호 장치 → 컨테이너 환경(설정 변경)실제 취약점사용자 프로그램·V8·리눅스 커널취약점 유발 입력AI 에이전트입력을 단계적으로 확장작동하는 익스플로잇?파일 접근·코드 실행컨테이너 환경재현 가능한 격리 실행보안 보호 장치켜기·끄기로 영향 분리성공 판정실행 환경설정 변경
ExploitGym 과제 한 개의 흐름 왼쪽에서 오른쪽으로 읽는다. 취약점을 건드리는 입력을 받은 에이전트가 격리된 컨테이너 안에서 이를 실제 공격 효과로 넓혀 가고, 성공 여부가 판정된다.

왜 주목받나

논문에 따르면 익스플로잇은 여전히 어렵지만, 최상위 모델은 적지 않은 수의 취약점을 실제로 공략했다. 가장 강한 설정은 Anthropic의 Claude Mythos Preview와 OpenAI의 GPT-5.5였고, 각각 157개와 120개 과제에서 작동하는 익스플로잇을 만들었다. 널리 쓰이는 방어 장치를 켠 상태에서도 성공률이 무시할 수준은 아니었다. 이후 AI 회사들이 사이버 보안 특화 모델을 내놓으면서 ExploitGym 점수를 성능 근거로 앞세우는 일이 늘었다.

알아 둘 점

익스플로잇 능력은 이중 용도 기술이다. 방어하는 쪽은 패치 우선순위를 정하거나 위험을 검증하는 데 쓸 수 있지만, 공격하는 쪽의 진입 장벽도 낮춘다. 그래서 이 점수는 '모델이 얼마나 유용한가'뿐 아니라 '얼마나 위험해질 수 있는가'를 보여 주는 지표로도 읽힌다. 또 보호 장치 설정이나 과제 범위에 따라 점수가 크게 달라질 수 있으므로, 서로 다른 출처의 숫자를 비교할 때는 조건이 같은지 먼저 확인해야 한다. 커뮤니티에 도는 수치 가운데는 확인되지 않은 것도 있다.

예시

이 사이트에서는 OpenAI의 사이버 보안 모델 'GPT-6 Cyber' 소식에서 ExploitGym이 언급됐다. 보도에 따르면 OpenAI는 ExploitGym 비교에서 GPT-6 Cyber가 48.5%, 이전 모델인 GPT-5.6 Cyber가 32.1%를 기록했다고 밝혔다. 이 모델은 취약점을 찾고 수정안까지 만들며, 승인된 범위 안에서만 움직이도록 학습됐다고 소개됐다. 같은 시기 커뮤니티에서는 OpenAI 내부 모델이 77.0%를 냈다는 이야기도 돌았지만, 확인되지 않은 전언이고 측정 조건도 알 수 없다. 보안팀이 이런 점수를 볼 때는 어떤 영역과 보호 장치 설정에서 잰 숫자인지부터 확인하는 것이 좋다.

이 사이트에서 나온 사례

함께 보면 좋은 용어

참고