SafeMind는 공격과 방어 AI를 맞붙인다, 99% 비용 절감의 조건

CrowdStrike는 2026년 9월 1일 미국 라스베이거스 Fal.Con 2026에서 NVIDIA와 함께 만든 에이전트형 보안 시스템 SafeMind를 발표했다. CSO의 Fal.Con 보도 에 따르면 공격 모델 Red Tempest와 방어 모델 Blue Solano는 Falcon 센서로 재현한 기업 환경에서 공격 경로를 찾고 방어 결과를 다시 시험하는 피드백 루프로 연결된다.

일반 보안 코파일럿과의 차이는 질문에 답하거나 위험을 요약하는 데 그치지 않고, 통제된 환경에서 공격 실행부터 탐지 생성·검증·재시험까지 이어간다는 데 있다. CrowdStrike가 9월 1일 공개한 내부 평가 는 선도 프런티어 모델과 오픈소스 기준선보다 탐지율이 29% 높고 종단 간 교정이 6배 빠르며 탐지·교정 비용을 99% 절감했다고 주장하지만, 이는 제품 가격이나 실제 고객의 총보안비용을 비교한 수치가 아니다.

공격을 실행하고 방어를 다시 시험하는 폐쇄형 루프

SafeMind의 핵심 단위는 답변 한 번이 아니라 반복 가능한 공격·방어 주기다. Red Tempest를 구동하는 공격 측 하니스가 격리된 대표 환경에서 목표에 맞는 공격 경로를 선택해 실행하면, 행동 기록과 Falcon 센서 텔레메트리가 방어 측으로 전달된다.

방어 측 하니스는 공격 흔적을 재구성해 기존 탐지가 작동한 지점과 탐지 공백을 구분한다. 이어 후보 탐지를 만들고 구문과 필드의 유효성을 검사한 뒤, 기록된 공격 텔레메트리에 다시 실행해 실제로 일치하는지 확인한다. 검증을 통과한 후보만 탐지 엔진으로 보내고 실패한 후보는 수정 단계로 되돌린다.

탐지가 배치되면 독립적으로 초기화한 공격 실행이 같은 목표를 다시 시험한다. 공격 측은 새 방어를 아는 상태에서 다른 공격·회피 경로를 탐색하고, 그 결과가 다시 방어 측 입력이 된다. 공개된 설계에서 반복 종료 조건은 재현 환경 안에서 더 이상 유효한 경로를 찾지 못하는 상태이지, 실제 운영망의 모든 공격 가능성이 제거됐다는 보증은 아니다.

이 구조는 실제 운영망을 공격 모델에 곧바로 맡긴다는 뜻도 아니다. 공개된 시험은 NVIDIA의 가속 컴퓨팅 인프라를 표현한 사양을 격리 환경으로 옮기고 Falcon 센서를 설치해 진행됐다. 디지털 트윈은 시험의 현실성을 높이지만, 고객마다 다른 자산·신원·네트워크 구성을 얼마나 정확히 재현할 수 있는지가 결과의 적용 범위를 좌우한다.

모델과 하니스가 맡는 일은 서로 다르다

Red Tempest는 정찰·공격·침해 작업을 수행하며 공격 경로와 실행 흔적을 만드는 공격 전용 모델이다. Blue Solano는 그 흔적과 Falcon 관찰 정보를 이용해 방어 공백을 찾고 탐지 조치를 강화하는 방어 전용 모델이다. 두 이름은 하나의 범용 챗봇에 붙인 대화 모드가 아니라 서로 다른 보안 역할을 가리킨다.

하니스는 모델에 맥락과 도구를 제공하고 작업 순서, 권한, 검증, 실패 시 재시도를 관리하는 실행 계층이다. 따라서 SafeMind의 결과를 기반 모델 하나의 능력으로 환원하기 어렵다. 공격 환경의 품질, Falcon 텔레메트리, 후보 규칙 검사와 재실행 절차가 함께 작동해야 전체 결과가 나온다.

NVIDIA의 상세 시험 설명 에서 Nemotron 3 Ultra는 공격 순서를 재구성하고 방어 작업을 계획하며 도구를 호출했고, CrowdStrike가 조정한 Nemotron 3 Super 기반 모델은 Falcon LogScale 탐지문 작성과 수정을 맡았다. 후보 탐지는 스키마 검사, 공격 기록 재생, 별도 심사를 거쳤다.

같은 시험에서 기본 하니스와 Nemotron 3 Ultra만 쓴 구성의 평균 백테스트 탐지율은 8개 세션에서 16.5%였다. 조정된 하니스와 Nemotron 3 Super, 도메인 맥락, 도구, 검증 절차를 함께 적용한 구성은 6개 세션에서 41.9%를 기록했다. NVIDIA도 이 2.5배 차이는 모델과 하니스가 함께 바뀐 전체 파이프라인 결과이며, 한 모델만 교체한 실험이 아니라고 명시했다.

모델 선택권이 Falcon 독립성을 뜻하지는 않는다

SafeMind는 완성된 시스템으로 Falcon 플랫폼 안에서 작동하도록 발표됐다. Falcon 센서 텔레메트리는 공격 흔적을 기록하고 방어 후보를 검증하는 근거이며, 검증된 탐지를 실행 엔진으로 넘기는 과정에도 Falcon 구성요소가 쓰인다. 이 흐름을 유지하는 한 SafeMind의 핵심 기능은 Falcon의 데이터와 실행 환경에 의존한다.

반면 하니스는 CrowdStrike 모델 외에 다른 프런티어 모델과 오픈소스 모델을 연결할 수 있도록 설계됐고, Red Tempest와 Blue Solano를 개별적으로 사용하는 선택지도 제시됐다. 독립 모델과 하니스에 대한 접근은 Project QuiltWorks의 신뢰 기반 프로그램에 포함될 예정이다. 이는 모델 선택 범위가 넓다는 뜻이지, 전체 공격·방어 루프를 Falcon 없이 같은 형태로 실행할 수 있다는 뜻은 아니다.

공개 자료는 하니스가 위험에 자율적으로 조치할 수 있다고 설명하지만, 고객 운영망에서 허용될 구체적인 권한은 밝히지 않았다. 탐지 규칙 승격과 시스템 구성 변경, 패치 배포는 서로 다른 작업이다. SafeMind 시험이 자세히 보여준 것은 탐지 후보의 생성·검증·배치이며, 모든 교정 조치가 사람의 승인 없이 실행된다고 볼 근거는 아직 없다.

99% 절감은 어떤 조건에서 나온 수치인가

발표된 세 지표는 측정 대상부터 다르다. 탐지율은 찾아낸 공격의 비율, 종단 간 교정 속도는 작업 흐름의 소요 시간, 비용 절감은 탐지와 교정을 실행하는 데 든 비용의 비교다. 마지막 지표를 SafeMind 구독료가 99% 저렴하다거나 보안 운영비 전체가 같은 비율로 감소한다는 의미로 바꿔 읽을 수 없다.

공식 발표는 세 결과의 주어를 SafeMind로 두고 선도 프런티어 모델과 오픈소스 기준선을 비교 대상으로 제시한다. 반면 NVIDIA의 설명은 비용·정확도 주장을 Blue Solano 방어 모델과 시험한 선도 독점형 프런티어 모델의 비교로 더 좁혀 표현한다. 공개 문구만으로는 세 지표가 모두 동일한 구성과 과제에서 산출됐는지, 각각 어느 모델과 하니스 조합을 측정했는지 확정하기 어렵다.

NVIDIA가 별도로 공개한 라이브 시험은 같은 시나리오 계열의 보지 못한 공격 8건을 사용했다. 최적화된 오픈 모델 구성에서는 백테스트를 통과한 탐지 11개 중 5개가 새 공격을 하나 이상 탐지했고, 비교한 프런티어 시스템에서는 35개 중 10개가 탐지해 각각 45%와 29%를 기록했다. 다만 이 시험은 단일 시나리오 계열과 작은 탐지 집합을 다뤘고 정상 트래픽도 제한적이어서, NVIDIA는 이를 일반 벤치마크가 아닌 방향성을 보여주는 시스템 수준 사례로 규정했다.

이 상세 시험은 하니스와 모델을 함께 평가해야 한다는 점은 보여주지만, 보도자료의 29%·6배·99%를 그대로 재현하는 방법론을 제공하지는 않는다. 해당 수치에는 평가 과제 수, 비교 모델의 정확한 이름과 버전, 시간 측정의 시작·종료 지점이 공개되지 않았다. 29%가 상대 증가율인지 퍼센트포인트 차이인지도 명시되지 않았다.

비용 계산의 입력값도 남아 있다. 토큰 가격과 GPU 사용 시간, Falcon 이용료, 시험 환경 구축비, 규칙 검토와 운영 반영에 필요한 인력 중 무엇을 포함했는지 알 수 없다. 그러므로 제목의 99%는 특정 내부 비교에서 나온 실행비 절감 주장으로는 확인되지만, 구매 예산에 바로 적용할 수 있는 할인율이나 보편적 절감 보장은 아니다.

발표 시점에 확인된 것은 SafeMind의 두 모델, 폐쇄형 실행 하니스, Falcon 통합 방향과 제한된 시험 결과다. 한국 제공 일정, 별도 라이선스 가격, 과금 단위와 고객 운영망의 독립 평가 결과는 공개되지 않았다. SafeMind의 경제성을 판단할 다음 근거는 Project QuiltWorks의 접근 조건, 전체 벤치마크 방법론, 실제 환경의 오탐률과 총소유비용이 나올 때 마련된다.