허프포스트코리아

오픈AI의 최신 인공지능(AI) 모델들이 내부 평가 과정에서 통제를 벗어나 외부 플랫폼을 해킹하는 초유의 사태가 발생했다.

오픈AI는 21일(현지 시각) 'GPT-5.6 솔'과 일부 미공개 AI 모델이 내부 평가 도중 통제를 벗어나 개방형 AI 공유 플랫폼 '허깅페이스'를 해킹한 사실을 확인했다고 전했다.

오픈AI는 모델들이 사이버 공격 능력을 평가하기 위해서 외부 인터넷과 격리된 '샌드박스' 환경에서 시험을 진행했으나, AI 모델들은 취약점을 이용해 통제 망을 뚫고 인터넷에 접속했다고 설명했다.

이들 모델은 공유 플랫폼 허깅페이스에 접속해 인증 정보를 탈취하고 해당 서버를 해킹한 것으로 나타났다.

오픈AI는 자사 모델들이 이같이 행동한 이유에 대해 "모든 정황을 종합해볼 때 이 모델들은 일종의 AI 사이버 보안 능력 평가를 제시하는 '익스플로잇짐'의 평가용 문제에 대한 해법을 찾는 데 지나치게 집중해 극단적 수단까지 동원했던 것으로 보인다"고 분석했다.

당시 오픈AI 모델들은 평가를 위해 사이버 공격에 대한 안전장치가 일부 완화된 상태였다고 오픈AI는 덧붙였다.

앞서 허깅페이스는 자사 서버가 자율 AI 에이전트에 의해 해킹됐으며 공격자가 어떤 모델을 사용했는지는 확인되지 않았다고 공지했는데, 해당 사건의 범인이 오픈AI의 모델들로 드러난 셈이다.

허깅페이스는 이와 같은 해킹 사실을 AI 지원 탐지 시스템의 발견으로 인지했고, 공격 양상의 분석도 AI로 진행했다고 설명했다.

다만 허깅페이스는 일반에 공개된 사용자 대상 모델이나 데이터세트 등이 변조된 흔적은 발견되지 않았고, 소프트웨어 공급망도 안전한 것으로 확인됐다고 덧붙였다.

양사는 현재 공동으로 포렌식(디지털 증거 분석) 조사를 진행해 관련 취약점을 보완하고 있다.

오픈AI는 향후 연구 속도가 늦어지더라도 인프라 구성에 엄격한 통제를 적용하고, 모델 개발 시 모니터링과 접근 제어 등 안전장치를 대폭 강화하겠다고 밝혔다.

그러나 오픈AI가 엄격한 격리 환경에서 내부 평가를 진행했음에도 이와 같은 사고가 발생한 만큼 AI의 사이버 안전에 대한 논란이 커질 것으로 보인다.

저평가가 최대주주 책임이라는 논리적 비약

속도전 의지와 제도 미비의 불협화음이 변수