Cisco Systems는 7월 21일에 알려진 보안 취약점이 코드베이스 내 어디에 있는지 정확히 찾아내기 위해 구축된 소규모 언어 모델 제품군인 Antares를 출시했으며 Hugging Face에서 처음 두 개를 공개 다운로드로 출시했습니다. SiliconANGLE, Axios 및 Help Net Security가 다루는 이번 출시는 오랫동안 느리고, 비용이 많이 들고, 조사관에게 의존해 왔던 소프트웨어 보안 분야에 특수 소형 모델을 도입하려는 가장 구체적인 시도 중 하나입니다.

Antares는 보안 관련 인공 지능에 중점을 둔 회사의 연구 및 엔지니어링 그룹인 Cisco Foundation AI에서 나왔습니다. 이 프로젝트는 공개 데이터베이스, 권고, CWE(Common Weakness Enumeration) 항목과 같은 외부 취약성 데이터를 결함이 있을 가능성이 가장 높은 저장소의 특정 파일에 연결하는 작업인 취약성 위치 파악이라는 문제를 해결합니다. 이 분야의 최신 개발 상황을 확인하려면 AI 산업 보도를 참조하세요.

특정 작업을 위해 제작된 소형 모델

현재 Antares-350M과 Antares-1B의 두 가지 모델을 사용할 수 있으며, 더 큰 Antares-3B 모델도 출시될 예정입니다. 모두 로컬에서 실행할 수 있을 만큼 작기 때문에 보안 팀은 민감한 소스 코드를 클라우드 서비스로 보내는 대신 자체 환경 내에 보관할 수 있다고 Cisco는 말했습니다. 이는 토큰이 많은 상용 프론티어 모델에 대한 예산이 부족한 대학, 공공 부문 기관, 비영리 단체 및 소규모 보안 팀에게 주목할만한 판매 포인트입니다.

Antares는 고정된 규칙으로 저장소를 스캔하는 대신 인간 조사자가 하는 방식으로 작업합니다. 각 모델은 취약점 설명에서 시작하여 관련 코드 패턴을 검색하고, 후보 파일을 읽고, 진행되는 동안 새로운 증거를 접고, 경로가 아무데도 연결되지 않으면 방향을 바꾸고, 가장 문제가 될 가능성이 있는 파일로 범위를 좁힙니다. 출력은 관련 취약점을 포함할 가능성이 있는 소스 파일의 순위 목록과 이를 생성한 터미널 탐색 추적입니다.

맞춤형 벤치마크 및 극적인 비용 절감

모델을 측정하기 위해 Cisco는 익숙하지 않은 코드베이스를 탐색하고 특정 약점 범주와 관련된 취약성 패턴을 인식하는 모델이 필요한 500개 항목 세트인 자체 테스트인 Vulnerability Localization Benchmark를 구축했습니다. Cisco는 기존 코드 검색 벤치마크가 보안 설명에서 취약한 파일을 찾을 수 있는지 여부가 아니라 에이전트가 일반적인 소프트웨어 문제와 관련된 코드를 찾을 수 있는지 여부를 측정한다고 주장했습니다. 회사가 인용한 가장 가까운 비교 작업은 CodeScout이라는 시스템으로, 표준 Unix 터미널을 사용하여 코드 현지화를 훈련하고 측정할 수 있음을 보여주었습니다.

해당 벤치마크에서 Cisco는 Antares 모델이 훨씬 더 저렴하면서도 정확성 측면에서 약 12개의 대형 개방형 및 폐쇄형 중량 모델을 능가한다고 밝혔습니다. 이 회사는 테스트한 가장 강력한 오픈 웨이트 모델인 GLM-5.2의 경우 약 12.50달러, 가장 강력한 비공개 소스 모델인 GPT-5.5의 경우 약 141달러에 비해 Antares 평가 비용을 1달러 미만으로 책정했습니다. 이 수치는 각각 15.2배, 172배 저렴합니다. 또한 Antares는 GPT-5.5의 경우 약 4시간 30분 만에 벤치마크 실행을 완료한 데 비해 약 1시간 만에 벤치마크 실행을 완료했습니다.

성능 격차는 보다 광범위한 업계 추세를 강조합니다. 좁게 정의된 작업의 경우 신중하게 훈련된 소규모 모델은 약간의 컴퓨팅 비용으로 범용 프론티어 모델과 일치하거나 능가할 수 있습니다. Axios가 보고한 대로 Cisco는 팀이 원시 모델 크기보다 안정성, 비용 및 데이터 개인 정보 보호에 더 관심을 두는 기업 사이버 보안에서 더 작고 특수 목적으로 구축된 AI가 승리할 것이라고 효과적으로 확신하고 있습니다.

더 광범위한 보안 AI 추진의 일부

Antares는 보안 분야의 AI에 대한 광범위한 Cisco 노력의 최신 작품입니다. 지난 10월 회사는 AI 코딩 에이전트를 위한 보안 코딩 규칙의 오픈 소스 프레임워크인 Project CodeGuard를 출시했습니다. 지난 5월에는 에이전트 보안 평가 시스템 구축을 위한 개방형 청사진인 Foundry Security Spec을 발표했습니다. Antares는 사용 가능한 개방형 모델을 실무자의 손에 직접 제공하여 작업 라인을 확장합니다.

이번 릴리스는 AI 관련 소프트웨어 위험에 대한 우려가 커지는 가운데 출시되었습니다. 같은 달 Cisco는 Foundry Security Spec을 발표했으며, Bloomberg는 첨단 인류 모델이 Scott Bessent 재무장관, Jerome Powell 연방준비은행 의장 및 은행 임원 간의 긴급 회의를 촉발했다고 보고했으며, 이는 규제 기관이 강력한 AI 시스템의 보안 영향을 얼마나 심각하게 다루고 있는지 강조했습니다.

개발자와 보안팀에 미치는 영향

비용이나 데이터 노출 문제로 인해 AI 기반 코드 분석 채택을 주저한 조직을 위해 Antares는 중간 경로를 제공합니다. 모델은 개방형이고 적당한 하드웨어에서 실행될 만큼 작기 때문에 팀은 자체 방화벽 뒤에 배포하여 클라우드 공급자에게 토큰당 요금을 지불하지 않고도 모든 추론 호출을 감사할 수 있습니다. 또한 개방형 라이센스는 연구자가 자신의 도메인에 맞게 모델을 검사, 미세 조정 및 확장할 수 있음을 의미합니다.

단점은 작은 모델이 디자인에 따라 전문화된다는 것입니다. Antares는 마케팅 이메일 초안을 작성하거나 회의를 요약하거나 일반 지식 질문에 답변하지 않습니다. 알려진 취약점 클래스가 숨어 있을 가능성이 있는 정확한 파일을 찾기 위해 만들어진 기능은 적어도 Cisco의 자체 벤치마크에서 크기가 수천 배에 달하는 모델보다 더 나은 성능을 보이는 것으로 보입니다.

독립적인 연구자들이 자신의 코드베이스에서 이러한 결과를 확인하는지 여부에 따라 Antares가 얼마나 널리 채택되는지가 결정됩니다. 현재로서는 이번 출시로 인해 AI 업계 전반에 걸쳐 1년 내내 구축되어 온 메시지가 더욱 강화되었습니다. 즉, 작업 범위가 충분히 좁으면 더 작은 것이 더 스마트하고, 더 저렴하고, 더 안전할 수 있다는 것입니다.

---

AI보다 앞서 나가세요

최신 AI 뉴스, 분석, 획기적인 소식을 모두 한 곳에서 받아보세요.

AI 뉴스 자세히 보기 →