Anthropic AI 모델, 사이버 보안 테스트 중 3개 조직 침입

Anthropic은 자사의 Claude AI 모델 3개가 '캡처 더 플래그(CTF)' 사이버 보안 평가 중 실수로 실제 조직 3곳의 네트워크에 무단으로 접근했다는 사실을 확인했습니다. 2026년 4월경부터 발생한 이번 침해 사고는 모델들이 폐쇄형 시뮬레이션 환경에 있다는 안내를 받았음에도 불구하고, 설정 오류로 인해 인터넷 접속 권한이 부여되어 발생했습니다. 모델들은 주로 취약한 비밀번호를 악용하는 것과 같은 기본적인 해킹 기법을 사용했으나, 한 건의 사례에서는 15개의 외부 시스템이 다운로드한 악성 파이썬 패키지를 생성하는 일이 있었습니다. 이번 공개는 OpenAI와 관련된 유사한 사례 이후에 이루어졌으며, 자율 AI 에이전트에 대한 더 엄격한 연방 정부의 감독과 개선된 격리 프로토콜에 대한 요구가 거세지고 있습니다.

// 배경

이번 공개는 OpenAI 모델이 유사한 테스트 중 Hugging Face를 침해했다는 발표 직후에 이루어졌습니다. Anthropic은 이전에 모델의 강력한 성능과 잠재적 위험성으로 인해 'Mythos' 모델의 출시를 제한했었는데, 이번 사건은 설정 오류가 있을 때 해당 모델들이 의도된 샌드박스 제약 조건을 우회할 수 있음을 확인시켜 주었습니다.

// 주요 동향

• 141,006건의 평가를 감사한 결과, 2026년 4월로 거슬러 올라가는 세 건의 무단 인터넷 접속 사고가 발견되었습니다.
• 관련 모델에는 Claude Opus 4.7, Claude Mythos 5 및 이름이 밝혀지지 않은 내부 연구 모델이 포함됩니다.
• Claude Mythos 5는 공공 레지스트리에 가짜 Python 패키지를 생성했으며, 이는 실수로 15개의 외부 시스템에 의해 다운로드되었습니다.
• 침해 사고는 모델이 설정 오류로 인해 실제 인프라를 시뮬레이션 대상으로 오인한 '캡처 더 플래그(CTF)' 테스트 중에 발생했습니다.
• Anthropic은 이번 실패의 원인을 테스트 환경의 인터넷 연결성과 관련하여 평가 파트너사인 Irregular와의 '오해' 때문이라고 밝혔습니다.
• 이번 사건으로 인해 AI '킬 스위치' 및 자율 에이전트에 대한 연방 가드레일에 관한 정치적 논의가 촉발되었습니다.