오픈소스 AI 코딩 에이전트 'OpenCode'의 해킹 사례는 AI 모델의 과도한 안전장치가 오히려 보안 사고 대응을 방해하는 '비대칭성 문제'를 극명하게 드러냈다. 방어자가 공격자의 악성 코드를 분석하려 할 때 모델이 이를 차단하는 아이러니한 상황은 AI 시대의 새로운 보안 과제를 시사한다.
최근 오픈소스 AI 코딩 에이전트인 'OpenCode'의 이용자들은 예기치 못한 금전적 피해를 입었다. 공격자들이 OpenCode의 구형 시스템에 침투하여 일부 사용자의 API 키를 탈취했고, 이를 통해 OpenAI, Anthropic, Google 등 주요 AI 서비스에서 막대한 비용을 발생시킨 것이다[1]. 이번 사건은 단순한 정보 유출을 넘어, AI 기반의 사이버 공격에 대응하는 과정에서 발생하는 '비대칭성 문제(The asymmetry problem)'를 다시금 수면 위로 끌어올렸다[1].
흥미로운 점은 OpenCode 개발팀이 공격을 방어하는 과정에서 겪은 기술적 난관이다. 공격의 실체를 파악하고 대응하기 위해 AI 모델에게 악성 코드 분석을 요청했으나, 정작 모델들은 해당 코드가 안전 필터를 활성화한다는 이유로 분석을 거부했다[1][5]. 방어자가 공격을 저지하기 위해 사용하는 도구가 오히려 공격자의 페이로드를 보호하는 '방어의 역설'이 발생한 셈이다[5].
OpenCode의 사례는 지난 7월 허깅페이스(Hugging Face)가 겪었던 상황과 궤를 같이한다. 당시 허깅페이스는 자사 시스템에 침투한 자율 AI 에이전트의 로그를 분석하려 했으나, 상용 AI 모델들이 이를 차단하면서 대응에 어려움을 겪었다[1]. 보안 연구자들은 이러한 현상이 AI 모델의 가드레일이 '사고 대응자'와 '공격자'를 구분하지 못하는 데서 기인한다고 지적한다[1].
결국 OpenCode 팀은 일반적인 모델 대신, 보안 연구와 같은 특수 목적을 위해 안전 필터가 완화된 OpenAI의 'Daybreak Blue' 프로그램을 제공받은 후에야 비로소 원활한 조사에 착수할 수 있었다[1][5]. 이는 현재의 중앙집권적 AI 안전 정책이 실제 현장의 보안 전문가들에게는 오히려 업무의 걸림돌이 되고 있음을 방증한다.
이번 사건을 두고 일각에서는 AI 모델의 안전장치가 오히려 방어자의 손발을 묶고 있다는 비판이 제기된다[5]. 데이비드 색스(David Sacks)를 비롯한 전문가들은 프론티어 모델에 의존하는 중앙집권적 보안 방식의 한계를 지적하며, 방어자가 스스로 강력한 모델을 구축하고 운영할 수 있는 '분산화된 대응'이 필요하다고 주장한다[5].
물론, 이러한 주장에 대한 반론도 존재한다. 일각에서는 이번 OpenCode 사태가 단순히 시스템 보안의 허점을 찌른 전형적인 침해 사고일 뿐, 이를 AI 모델의 안전 정책 문제로 일반화하는 것은 과도한 해석이라는 시각도 있다[1]. 또한, 무분별하게 강력한 모델을 개방할 경우 발생할 수 있는 잠재적 위험에 대해서도 신중한 접근이 필요하다는 의견이 지배적이다.
OpenCode는 이번 사고를 통해 1.4%의 사용자가 영향을 받았음을 인정하고, 피해자들에게 API 키를 즉시 교체할 것을 권고했다[1][4]. 보안 사고는 언제나 발생할 수 있지만, 이를 막기 위한 도구가 공격을 방조하는 상황은 AI 생태계가 해결해야 할 시급한 과제다. 과연 우리는 안전을 위해 모델의 능력을 제한하는 것과, 위협에 즉각 대응하기 위해 모델의 권한을 확보하는 것 사이에서 어떤 균형점을 찾아야 할까? AI가 공격의 도구가 된 시대, 방어자가 AI를 온전히 자신의 무기로 활용할 수 있는 환경을 만드는 것이야말로 보안의 핵심이 될 것이다.
링크된 자료는 사실 확인에 사용했으며, 분석과 해석의 책임은 본 사이트에 있습니다.