DDoS 봇넷이 어떻게 만들어지는지부터 보자.
공격자가 보안이 허술한 라우터·CCTV·IoT 기기에 악성 코드를 심어서 자기 명령을 듣게 만든다.
이렇게 모인 기기 무리가 봇넷.
킴울프는 약 200만 대를 모았어요.

미국 법무부 발표에 따르면,
23세 캐나다인 제이콥 버틀러(코드명 Dort)가 운영자였다.
5월 21일 미국과 캐나다 양국 사법당국이 동시 기소했죠.
이 봇넷은 이전에 활동하던 AISURU(아이수루) 봇넷의 변종으로 분석된다.
즉, 코드 일부를 물려받은 후속 세대다.

DDoS 공격이 왜 사라지지 않을까.
보안 업계에서 보면 두 가지 이유가 있어요.
첫째, 가정용·소형 기기는 한 번 출시되면 펌웨어 업데이트가 거의 안 된다.
둘째, 공격력 대비 수익이 큰 사업이다.
봇넷 1개로 여러 고객한테 "공격 대행" 서비스를 팔 수 있죠.

실무 관점에서 일반 사용자가 할 일은 단순하다.
라우터·IP카메라·NAS 같은 인터넷 노출 기기는
(1) 공장 초기 비밀번호 변경
(2) 펌웨어 자동 업데이트 켜기
(3) 외부에서 접속 가능한 관리 포트(원격 접속 입구) 닫기.
이 3가지만 해도 대부분의 봇넷 모집에서 빠질 수 있다.
운영자 한 명을 잡았다고 봇넷이 사라지지는 않을 가능성이 높다.
이전 AISURU의 코드가 다시 변종 형태로 살아 있을 가능성이 크고,
같은 패턴이 반복될 것으로 보인다.
봇넷을 만드는 것보다 만들 재료(취약 기기)를 줄이는 게
더 근본적인 대응이라고 본다.

1946년 폴 에르되시가 제기한 'unit distance' 기하학 추측.
단위 거리 점 집합에 관한 미해결 문제로,
80년 동안 분야 중심 난제 중 하나였어요.
OpenAI 내부 모델이 이걸 자율적으로 반증했다고 공식 블로그에서 밝혔다. 인간이 가설을 잡아주거나 단계를 안내하지 않은 채로.

필즈 메달리스트 Tim Gowers의 평가가 흥미롭다.
"사람이 같은 논문을 Annals of Mathematics에 제출했다면
망설임 없이 게재를 추천했을 것"이라고 했죠.
OpenAI 측은
"수학 분야 중심 난제를 AI가 자율적으로 해결한 첫 사례"로 정의했어요.

핵심은 "보조"에서 "발견자"로 바뀐 순간이라는 점.
지금까지 AI는 수학자가 떠올린 아이디어를 검산하거나 케이스를 빠르게 돌려주는 역할이었다.
이번엔 원본 아이디어 자체를 모델이 만들고,
그걸 끝까지 끌고 갔다.

보안과 AI 양쪽 다 다뤄본 입장에서 보면,
이 사건의 진짜 신호는 다른 데 있죠.
검증이 가장 엄격한 도메인에서
AI가 인간 권위와 동등한 지위를 처음 인정받은 사건이라는 것.
수학은 증명 검증이 가장 빡빡한 영역.
거기서 통과했다는 건 다른 도메인에서 같은 일이 일어날 시간이 가까워졌다는 의미로 본다.
다음 단계는 정리 자동 증명을 넘어,
자율 가설 생성이 일상화되는 구간으로 보인다.
수학에서 이 일이 가능했다면,
코드 보안 취약점 발견·약물 설계·물리학 가설 영역으로 빠르게 확장될 가능성이 있다.

월 $1.25B씩, 2029년 5월까지.
합쳐서 매년 $15B.
SpaceX가 xAI를 품고 있는 걸 감안하면,
앤트로픽 입장에서는 직접 경쟁자한테
매달 클라우드 비용을 송금하는 구조죠.
와이어드가 어제 보도했어요.

이게 왜 중요하냐.
컴퓨트가 AI 경쟁의 진짜 병목이라는 걸
가장 극명하게 보여주는 거래라서.
GPU와 데이터센터를 어디서 빌려 쓰느냐가,
모델 품질이나 안전성 약속보다 먼저 회사의 운명을 결정한다는 신호.

계약 구조도 흥미로워요.
거대한 금액인데 양쪽 모두 90일 통보로 해지 가능.
이 정도 규모치고는 이상하게 짧은 조항이다.

보안 관점에서 보면 공급망 종속의 교과서적 사례죠.
가장 민감한 자산(연산력)을 가장 신뢰하기 어려운 상대(직접 경쟁자)에게 매달 송금하는 셈.
짧은 해지 조항은 양측이 이 관계를 영구화하지 않으려는 신호로 읽힌다. 앤트로픽은 다른 인프라 대안을 준비할 시간을, SpaceX는 더 비싸게 부를 협상 카드를 동시에 쥔 셈.
AI 경쟁이 모델 자체가 아니라 컴퓨트 조달 능력으로 옮겨가고 있다.

정확한 문장은 이거였다.
"We're in a phase where basically the AI models learn from watching really smart people do things."
번역하면
"우리는 지금, AI 모델이 정말 똑똑한 사람들이 일하는 모습을 지켜보면서 학습하는 단계에 와 있다"이다.

순서가 이상하게 들어맞는다.
1) 직원들이 컴퓨터 앞에서 일을 한다.
2) 그 작업 흐름을 AI 모델이 학습한다.
3) 그리고 회사가 8천명을 감원한다.
이 세 줄이 같은 분기에 동시에 등장했다.

이게 단순 우연인지,
"직원의 작업 흔적 = 훈련 데이터"라는 노동관이
사내에 이미 정립되어 있었는지를 외부에서 완벽히 검증할 길은 없다.
다만 누설 오디오가 그 가능성을 외부 가시권으로 끌어올렸다는 점이 핵심이다.
발화의 톤이 "정책 선언"이 아니라
"이미 그렇게 굴러가고 있다는 인정"에 가까웠다는 보도가 다수다.

지식 노동자에게는 가장 어색한 질문 하나가 던져진 셈이다.
"내가 일을 잘하는 모습이 누군가의 훈련 데이터로 쌓이고 있다면, 나는 어떤 자세로 일해야 하는가?"
이 질문에 대한 답은 회사가 아니라 개인이 먼저 내려야 한다.
메타가 공식적으로
"직원 작업을 AI 학습에 활용했다"고 인정한 적은 없다.
누설 오디오의 진위 자체도 외부에서 100% 검증할 길은 없다.
다만 "사후에 들통난 듯한 톤"으로 회자되고 있다는 점,
그리고 다른 빅테크에서도 비슷한 구조가 굴러가고 있을 가능성이 합리적으로 의심된다는 점은 짚어둘 만하다.

정확한 표현은
"non-zero chance of killing everyone on the planet".
직역하면 지구 위 모두를 죽일 확률이 0이 아니라는 뜻이다.
그는 강연에서 "이 위험이 사라진 게 아니라는 점을 분명히 해야 한다"고 한 번 더 못 박았다.

그리고 한 마디가 더 박힌다.
"우리는 사람 없이도 스스로의 더 나은 버전을 만들 수 있는 기술을 한 번도 다뤄본 적이 없다."
역사 전체에서 처음 보는 종류의 시스템이라는 의미로 읽힌다.

근데 클락이 속한 앤트로픽은,
사이버 공격력이 국가급으로 평가된 "미토스(Mythos)"를
위험성 때문에 외부에 풀지 않고 비공개로 운영중이다.
"위험해서 공개 안 한다"와
"0이 아닌 확률로 인류를 멸종시킬 수 있다"가
같은 회사에서 동시에 나오는 셈이다.

패턴이 흥미롭다.
위험을 가장 가까이서 보는 사람들이,
가장 빠른 속도로 새 모델을 만들고,
가장 큰 자금을 받는다.
"위험하니까 우리가 만들어야 한다"가
이 산업의 기본 명제처럼 자리잡아 가는 중이다.
이게 정직한 위기 인식인지,
모금과 규제 협상용 종말 마케팅인지를
외부에서 깔끔하게 판별할 방법은 없다.
다만 "인류 멸종 확률" 같은 표현이 옥스퍼드 강연장에서
정상 어휘로 등장하는 단계에 왔다는 사실 자체가,
이 산업이 자기 자신을 어떻게 설명하기 시작했는지를 보여주는 신호로 읽힌다.

깃허브가 수요일에 공식 확인한 내용은 이렇다.
침해의 시작은 한 직원의 PC였다.
그 PC에 깔려 있던 'Nx 콘솔'이라는
VS Code 확장 프로그램의 변조된 버전이 입구가 됐다.

이 확장 프로그램은 왜 변조됐나.
지난주 'TanStack' npm 공급망 공격에 오염됐기 때문이다.
npm은 개발자들이 공용 코드 패키지를 받아 쓰는 창고이고,
공급망 공격은 그 신뢰받는 패키지 안에 악성코드를 몰래 심는 수법이다.

공격자는 TeamPCP라는 알려진 위협 그룹이다.
이들은 깃허브 소스코드와 내부 조직 정보를 범죄 포럼에 매물로 올렸다.
같은 npm 공격은 그라파나도 건드렸다.
거기서는 인증 열쇠 역할을 하는 토큰 하나가 교체 과정에서 빠져나갔다.

보안 업계에서는 공급망 공격을 두고
"한 번 뚫어 다수를 턴다"고 말한다.
이번 건은 그 사슬이 깃허브 본사까지 닿은 사례다.
이번 사건이 보여준 건, 내가 매일 쓰는 개발 도구가 나도 모르게 공격의 운반책이 된다는 사실이다.
확장 프로그램과 패키지는 '신뢰'를 전제로 자동 업데이트된다.
그 자동화된 신뢰가 곧 공격의 입구다.
앞으로 점검할 곳은 내가 짠 코드가 아니라,
내 코드가 딛고 선 수백 개의 의존성일 수 있다.

결함은 두 종류다.
하나는 '권한 상승'
공격자가 자기 권한을 더 높은 등급으로 끌어올리는 것.
다른 하나는 '서비스 거부'
백신인 디펜더 자체를 마비시켜 무력화하는 것.
권한 상승 결함에는 CVE-2026-41091이라는 번호가 붙었다.
CVE는 공개된 취약점마다 매겨지는 고유 식별 번호다.
위험도는 10점 만점에 7.8.
꽤 높은 점수다.

권한 상승 결함이 특히 고약하다.
이미 그 PC에 발판을 마련한 공격자가,
자기 권한을 윈도우 최고 등급인 'SYSTEM'까지 끌어올릴 수 있다.
SYSTEM을 쥐면 그 PC에서 사실상 못 하는 일이 없다.

미국 사이버보안 기관 CISA는
5월 20일 이 결함들을 '실제 악용 중인 취약점' 목록에 올렸다.
마이크로소프트는 수요일부터 패치 배포를 시작했다.
디펜더는 거의 모든 윈도우 PC에 기본으로 깔려 있다.
남 얘기가 아니라는 뜻이다.

보안 도구가 공격 통로가 되는 건 드문 일이 아니다.
가장 깊은 권한으로, 모든 PC에 깔린 채 돌기 때문이다.
디펜더 업데이트는 미루지 말고 지금 적용하는 게 맞다.
공격자 입장에서 백신은 매력적인 표적이다.
한 번만 뚫으면 최고 권한과 광범위한 배포가 공짜로 따라온다.
보안 제품이 자기 자신의 취약점을 관리하는 일이,
그 제품이 막으려는 위협만큼 중요해지는 흐름이다.

OpenHands라는 오픈소스 프로젝트다.
사람이 "이걸 만들어줘"라고 목표만 주면,
코드를 쓰고,
실행하고,
디버깅하고,
PR까지 스스로 올린다.
Devin 같은 폐쇄형 제품이 하던 일을,
코드가 공개된 채로 한다.

여기서 짚고 싶은 게 있다.
"개발이 쉬워지면 코드는 줄어들까?"
경제학에 '제번스 역설'이라는 게 있다.
효율이 올라가면 소비가 줄어드는 게 아니라,
오히려 총량이 늘어난다는 관찰이다.

자율 코딩 에이전트는 코드 한 줄당 드는 비용을
사람 손보다 훨씬 아래로 내린다.
제번스 역설대로면,
그 결과는 "코드가 줄어듦"이 아니라
"코드가 폭증함"이다.
싸진 만큼 더 많이 만들어진다.

코드를 만드는 비용은 떨어졌다.
그런데 만들어진 코드를 읽고, 검증하고, 책임지는 비용은 그대로다.
보안 쪽에서 보면 진짜 부담은 여기서 시작된다.
자동 생성된 코드 총량이 늘수록,
사람이 다 검토하지 못한 코드가
프로덕션에 들어가는 양도 같이 늘어난다.
자율 에이전트의 다음 경쟁은
"얼마나 빨리 짜느냐"가 아니라
"누가 검증을 감당하느냐"로 옮겨갈 수 있다.

공식 표현은 Chief Agent Operator(CAO)다.
사람이 AI 에이전트 팀의 운영 책임자가 되고,
채용·스케줄링·업무 지시·결과 보고까지 한 곳에서 처리한다는 모델이다.
사용자가 매니저 자리로 옮겨가는 셈.

신호는 데이터에서 잡힌다.
GitHub 스타 7.7만.
핵심 토픽으로 agent-harness, agent-collaboration, skills를 잡았다.
"여러 에이전트가 동시에 일한다"는 전제를
인프라 수준에서 깔아두고 있다는 뜻이다.
단일 챗봇이 아니라 다수의 역할 분리된 에이전트가 디폴트 가정이다.

이 흐름이 의미하는 것은 두 가지다.
첫째,
에이전트를 단일 도구로 다루던 사용자 경험이 "팀"으로 옮겨가고 있다.
둘째,
사람의 역할이 "도구 사용자"에서 "운영 책임자"로 이동한다.
같은 일을 사람이 직접 처리하지 않고,
에이전트들에게 분배·검수·보고를 받는다.

실무자에게 이 변화는 작아 보여도 결정적이다.
지금까지의 질문은 "어떤 AI 모델을 쓸까?"였다.
앞으로의 질문은
"어떤 에이전트들을, 어떤 역할로, 어떻게 조합해서 일을 시킬까?"가 된다.
선택지가 바뀌면 평가 기준도 같이 바뀐다.

도구가 노동력으로 옮겨가는 신호로 읽힌다.
다음 분기에서는 채용·평가·해고·로깅·근태 같은 HR 어휘가 에이전트 운영 UI에 진입할 가능성이 합리적으로 의심된다.
사람의 회사 운영 어휘가 그대로 이식되는 셈.
이 카테고리가 진짜로 자리 잡을지,
"협업하는 멀티 에이전트"라는 마케팅 레이어로 잠시 떠올랐다가
단일 강력 에이전트에 흡수될지는 아직 갈라진다.
다만 "사람이 에이전트 팀의 매니저가 된다"는 프레임은
한 번 외부에 노출된 이상,
사용자 멘탈모델 위에 흔적으로 남을 가능성이 높다.

발표된 건 두 가지다.
하나는 self-hosted 샌드박스(public beta)
에이전트가 코드를 실행하는 환경을 회사 자체 인프라 안에 두는 것.
다른 하나는 MCP 터널(research preview)
에이전트가 내부 시스템에 접근하는 통로다.

핵심 문구가 이거였다.
"당신의 경계 안에서 에이전트를 돌려라.
당신의 보안 정책이 기본으로 적용된 채로."
에이전트가 회사 보안 경계 밖으로 나가지 않는다는 뜻이다.

MCP 터널의 설계가 특히 눈에 띈다.
에이전트가 내부 시스템에 닿되,
공개 인터넷을 거치지 않는다.
코드 실행도, 내부 접근도 회사 망 안에서 끝난다.

보안 일을 해본 입장에서 보면,
이건 기능 하나 추가가 아니라 도입 장벽 자체를 겨냥한 발표다.
"데이터가 밖으로 나간다"는 그 한 문장이
그동안 수많은 도입 검토를 멈춰 세웠다.
경계 안에서 에이전트를 돌린다는 건,
보안 책임도 그대로 회사 안에 남는다는 뜻이다.
외부로 위탁하던 부담이 줄어든 만큼,
내부 샌드박스 격리와 권한 설계가 새 숙제로 넘어온다.

공개된 사실.
- 신규 제로데이(공개 전 결함) 15건이 한 자리에서 풀렸다
- 둘째 날 상금 총액 38만 5,750달러 (약 5.3억 원)
- 한국 연구팀 '아웃 오브 바운스(Out Of Bounds)'가 종합 2위에 올랐다
- AI 코딩 에이전트도 공격 대상에 포함됐다

폰투온이 뭔지부터.
매년 두 차례 열리는 세계 최대 해킹 경연이다.
참가자는 미공개 결함을 가져와서 현장에서 시연으로 증명한다.
성공하면 상금을 받고,
결함은 곧바로 제조사에 비공개로 전달된다.
"실력 검증 + 보안 강화"가 한 번에 일어나는 구조다.
보안업계에서는 생성형 AI가 취약점 발굴 속도를 급격히 끌어올리면서 기존 제로데이 시장 구조 자체가 변하고 있다는 분석이 나온다.

주목할 변화 두 가지.
- 첫째, AI 코딩 에이전트가 공격 대상으로 등장했다. 코드를 짜주는 도구가 보안 카테고리로 들어왔다는 뜻이다.
- 둘째, 신규 제로데이 15건이 둘째 날 하루에 풀렸다. 발굴 속도 자체가 빨라지고 있다.
한국팀이 종합 2위에 든 것도 작지 않다.
영어권 팀이 압도적이던 무대에서
한국 보안 인력의 기술 깊이가 글로벌 상위권에 있다는 증거다.

보안 실무 관점에서 의미는 분명하다.
- 윈도우11, 익스체인지 등 메인스트림 제품은 곧 패치가 나온다.
사내 패치 일정을 미리 점검.
- AI 코딩 에이전트를 도입한 팀은
"취약점 발굴 대상으로의 진입"을 인식하고 들어가야 한다.
- 한국 연구팀 활약은 채용 시그널이다.
보안 인력 확보가 어려운 시장에서
글로벌 검증된 인재 풀이 한국에 있다는 뜻.

업계 분석대로 AI가 취약점 발굴 속도를 바꾸고 있다면
보안 산업의 한 축이 흔들린다.
지금까지 zero-day 발굴은 소수 보안 연구자의 직관과 끈기에 의존했다. AI가 그 작업을 자동화하면 발굴 빈도는 올라가지만 공격자 측에서도 같은 도구를 쓴다.
방어와 공격의 비대칭이 새 균형을 찾을 때까지,
패치 주기는 더 짧아지고 압박은 더 강해질 가능성이 있다.

프로젝트 이름은 ai-hedge-fund.
virattt이라는 개인이 만들었다.
구조는 이렇다.
한 명의 슈퍼 AI가 모든 결정을 내리는 게 아니라,
역할별로 분리된 에이전트들이 협업한다.
- 애널리스트 에이전트: 종목 리서치
- 리스크매니저 에이전트: 포지션 위험 평가
- 포트폴리오매니저 에이전트: 최종 매수·매도 결정
인간 조직의 분업 구조를 그대로 옮겼다.

경제학자 슘페터가 말한 '창조적 파괴'라는 개념이 있다.
새 기술이 낡은 산업을 무너뜨리고 새 산업을 만드는 과정.
마차 → 자동차, 필름카메라 → 디지털카메라가 고전적 사례다.
이때 부서지는 것은 단일 직무가 아니라
그 직무를 둘러싼 분업 구조 전체였다.
ai-hedge-fund는 그 구도를 화이트칼라 협업으로 옮긴 첫 공개 케이스에 가깝다.

이전까지 AI는 "한 사람이 하던 작업을 빠르게 처리하는 도구"였다.
이번 리포는 한 발 더 나갔다.
사람들이 모여서 만들어내던 협업 산출물 자체를
AI 에이전트 팀이 통째로 재현했다.
특히 금융처럼 책임이 무거운 분야에서 작동한다는 점이 핵심이다.

한계도 분명히 있다.
- 백테스트와 실거래는 다르다.
슬리피지(체결 가격 차이)와 유동성 문제는 시뮬레이션이 다 못 잡는다.
- 책임 귀속이 모호하다.
AI 팀이 손실을 내면 누가 책임지는가.
- 정성적 판단(임원 신뢰성, 규제 환경 변화)은 여전히 약하다.
그래서 이건 "운영 가능한 시스템"이라기보다
"협업 구조 실험의 공개 케이스"에 가깝다.

별 5.8만 개의 의미는 단순하다.
사람들은 "AI가 도구를 넘어 팀이 될 수 있는가"라는
질문에 깊이 관심이 있다는 것.

창조적 파괴가 직무를 넘어 분업 구조 자체를 노릴 때,
가장 먼저 흔들리는 건 '협업이 가치였던' 화이트칼라일 것이다.
법무, 회계, 마케팅, 컨설팅.
모두 한 사람이 다 못 해서 팀으로 모인 영역들이다.
AI 에이전트 팀이 그 협업 산출물을 재현할 수 있다면,
팀의 존재 근거가 다시 질문된다.
답은 이 리포가 1년 후 어디까지 가는지,
그리고 비슷한 구조의 시도들이 어디서 나오는지가 말해줄 것이다.

공개된 사실부터 정리한다.
- 이름: Gemini Spark
- 능력: Gmail, Google Docs 등 앱 전반에서 다단계 작업을 자율 실행
- 작동 방식: 사용자가 일일이 지시하지 않아도 백그라운드에서 처리
- 접근 범위: 연결된 앱, 브라우징, 위치, 개인정보
이 정보는 9to5Google이
안드로이드 베타에서 발견한 온보딩 화면에 기반한다.

키워드는 두 개다.
"autonomous"와 "around the clock".
명령형 에이전트(사용자 요청 → 처리)와 결이 다르다.
작업 큐가 항상 열려 있고,
트리거를 사용자가 아닌 에이전트가 잡는다.

보안 관점에서 즉시 떠오르는 쟁점은 세 가지다.
- 권한 위임 범위
Gmail 읽기까지인가, 답장 전송까지인가, 캘린더 약속 잡기까지인가
- 감사 경로
에이전트가 어떤 행위를 언제 했는지 사용자가 추적할 수 있는가
- 권한 회수
잘못된 행동을 즉시 정지할 단일 버튼이 있는가
자율성과 감사성은 보통 트레이드오프 관계다.

정리하면 Gemini Spark는 "지시 → 처리" 모델에서
"상시 위임" 모델로 넘어가는 첫 메이저 시도에 해당한다.
I/O 2026 발표를 며칠 앞두고 노출됐다.
곧 공식 윤곽이 잡힐 것이다.

권한 위임 24시간 상시는 새로운 종류의 공격 표면을 연다.
전통적 비밀번호 탈취는 사용자가 알아챌 여지가 있다.
그러나 에이전트가 자율로 메일을 보내고 약속을 잡는 환경에서는
"내가 한 것이 아닌 행위"가 정상 작동과 구분되기 어렵다.
엔터프라이즈 도입이 본격화되면
에이전트 행위 로그의 무결성,
권한 위임 범위의 세분화가
보안 제품의 새 카테고리가 될 가능성이 있다.

무슨 일이 있었냐.
TeamPCP라는 공격자가 'Mini Shai-Hulud'라는 캠페인을 돌렸다.
샤이훌루드는 작년부터 돌고 있는 npm 공급망 공격
(개발자가 쓰는 코드 저장소를 통해 악성코드를 퍼뜨리는 수법)
시리즈인데, 이번 표적이 AI 개발 회사들이다.
bleepingcomputer 보도에 따르면
npm과 PyPI에 걸친 수백 개 패키지가 감염됐다.

수법은 이렇다.
공격자가 정상 패키지에 'router_init.js'라는 파일을 슬쩍 끼워넣는다.
이 파일은 난독화된 자바스크립트로,
개발자 PC에서 실행되는 순간 환경을 스캔한다.
뭘 훔치냐.
- API 키 (서비스 접근 권한)
- 토큰 (인증 코드)
- 환경 변수에 있는 모든 자격증명

보안 업계에서 이걸 왜 심각하게 보냐.
AI 개발자는 보통
OpenAI, Anthropic, AWS, GitHub 같은
비싼 API 키를 로컬 PC에 다 풀어놓는다.
한번 자격증명이 새면 청구서가 폭발하거나,
더 위험하게는 학습 데이터와 모델 가중치가 노출된다.
그리고 AI 인기에 편승해 만들어진 의존성 패키지는
검토가 충분치 않은 경우가 많다.
공급망 공격에 가장 취약한 자리다.

지금 당장 할 수 있는 것.
1. 위 5개 회사 패키지를 쓰는 프로젝트면 의존성 트리를 점검한다.
2. 로컬 PC의 API 키를 환경 변수에서 분리, secret manager로 옮긴다.
3. npm audit과 pip-audit를 CI에 묶는다.
4. 의심되면 키를 회전한다.
AI 회사를 표적으로 한 공급망 공격은 이번이 시작이라고 보면 된다.
표적이 명확하고,
보상이 크고,
검출이 어렵다.
다음 6개월 안에 비슷한 캠페인이 한 번 더 터질 가능성이 높다.
한국에서도 LLM 래퍼 스타트업들이
이런 패키지를 가져다 쓰는 비율이 높아 같은 노출에 닿을 가능성이 있다.

핵심은 태스크 자동화다.
라이드셰어 부르기,
음식 배달 주문 같은 작업
AI가 직접 처리한다.
지금까지는 이 몇 가지 앱에 한정됐는데,
구글은 "곧" 더 넓은 범위의 앱으로 확장한다고 밝혔다.
멀티모달 입력도 지원한다.
스크린샷이나 사진을 음성·텍스트 프롬프트와 함께 보낼 수 있다.

안드로이드 디렉터 Ben Greenwood의 표현이 정확하다.
"가장 진보된 안드로이드 기기에 제미나이의 정수를 가져온다."
가장 진보된 기기에만 들어간다는 건,
단말기 등급으로 사용자가 나뉜다는 사실의 직접 표현이기도 하다.

구글이 같이 강조한 한 축은 'granular control'이다.
- 특정 기능을 끌 수 있다
- Gemini와 어떤 앱이 어떤 데이터를 공유할지 사용자가 결정한다
이건 단순 옵션이 아니라, 권한 위임 경쟁의 시작 지점이다.

보안 시선으로 보면 이거다.
AI가 폰을 직접 조작하려면 깊은 권한이 필요하고,
깊은 권한은 곧 공격 표면이다.
생성형 UI가 동작하려면
화면 컨텍스트,
클립보드,
알림,
캘린더,
메시지까지 다 흘러가야 한다.
control 옵션을 안 만지면 디폴트가 그 권한을 가져간다.
라이드셰어와 음식 배달에 한정된 자동화는
더 넓은 도메인으로 풀릴 가능성이 높다.
결제, 메시지 회신, 일정 조율 순서로 풀린다고 봐도 무리는 아니다.
iOS도 비슷한 그림을 들고 나올 것이고,
한국 통신사들이 이런 자동화에 어떻게 정책을 맞출지가 또 다른 변수다.

다이브레이크가 뭐냐.
The Verge가 정리한 표현이 정확하다.
"OpenAI의 가장 강력한 모델 + Codex + 보안 파트너의 결합."
핵심은 GPT-5.5-Cyber라는 보안 전용 변종이다.
일반 GPT-5.5 위에 'Trusted Access for Cyber' 레이어를 얹은 구조.

방어 워크플로우 5개를 자동화 대상으로 명시했다.
- 보안 코드 리뷰
- 취약점 트리아지
- 멀웨어 분석
- 탐지 엔지니어링
- 패치 검증
지금까지 사람이 며칠~몇 주를 쓰던 작업들이다.

미토스와 다이브레이크는 같은 자리를 노린다.
보안 전문 모델 + 코딩 에이전트 + 자동 패치 루프.
한 달 사이에 두 거대 AI 회사가 같은 카테고리에 진입했다는 사실 자체가 새 시장의 형성을 가리키는 1차 데이터다.

핵심은 누가 더 빨리 만드냐가 아니라,
누가 더 안 틀리느냐다.
보안 워크플로우에서 false positive 하나가
운영팀을 며칠 갈아넣게 만드는 걸 본 적이 있다.
AI가 자동 패치를 제안하면,
그 신뢰도가 곧 채택률이다.
Google이 다음 차례로 보인다.
제미나이 시큐리티가 안 나올 이유가 없다.
그리고 한국 보안 시장도 이 흐름에 동기화될 가능성이 높다.
SOC(보안관제센터) 자동화 도구를 파는 회사들이
가장 먼저 가격 압박을 받을 것이다.

ds4라는 이름이다.
C 싱글 파일.
Apple Metal GPU에 직결.
DeepSeek V4 Flash는 284B 파라미터 MoE 모델.
활성 파라미터가 적어서 빠르다.
M3 Max 128GB에서 초당 27토큰 생성.
프리필은 250토큰/초. 실제 대화에 쓸 수 있는 속도다.

최소 사양은 128GB 통합 메모리 Mac.
Q4 양자화를 쓰려면 256GB 이상이 필요하다.
하이엔드 장비 전제지만,
이 사양에서 284B 모델이 실사용 가능한 속도로 돌아간다는 게 핵심이다.
2비트 양자화도 "장난이 아니다(not a joke)"라는 건 antirez 본인의 표현.

온디바이스 추론의 진짜 가치는 속도나 비용이 아니다.
데이터가 외부로 안 나간다.
인터넷 없이 돌아간다.
에이전트 루프를 24시간 돌려도 트래픽이 0이다.
이 관점에서 보면 ds4는 정말 의미가 있다.

진짜 흥미로운 건 접근법이다.
llama.cpp 같은 범용 대신 모델 하나에 올인하는 전용 엔진. antirez가 Redis에서 했던 철학과 같다 - 범용을 버리고 하나를 극한까지 최적화.
README에 "GPT 5.5의 강력한 도움으로 만들었다"고 적혀 있다. 바로 뒤에 "llama.cpp와 GGML 없이는 존재하지 못했다"는 문장도 같이.

antirez는 README 말미에 이렇게 적었다:
"We wanted to make one local model feel finished end to end, not just runnable."
돌아가게 만드는 게 아니라 완성되게 만든다.
로컬 추론의 다음 기준이 될 수 있는 문장이다.
프론티어 AI 모델의 구독료가 점점 증가하는 시국에
진지하게 고민해봐야 할 사안이지 않을까 싶다.

ds4라는 이름이다.
C 싱글 파일.
Apple Metal GPU에 직결.
DeepSeek V4 Flash는 284B 파라미터 MoE 모델.
활성 파라미터가 적어서 빠르다.
M3 Max 128GB에서 초당 27토큰 생성.
프리필은 250토큰/초.
실제 대화에 쓸 수 있는 속도다.

리포는 anthropics/financial-services.
별 17,600개,
포크 2,200개.
에이전트 10개가 금융 수직별로 나뉜다:
Pitch Agent,
Market Researcher,
Model Builder,
Earnings Reviewer,
GL Reconciler,
KYC Screener 등.
투자은행, 리서치, PE, 자산관리, 펀드 운영까지.

구조가 독특하다.
같은 코드가 두 경로로 배포된다.
Claude Cowork 플러그인으로 설치하면 GUI에서 돌고,
Managed Agents API로 배포하면 자체 엔진 뒤에서 돈다.
시스템 프롬프트와 스킬이 동일하고 실행 위치만 다르다.

11개 MCP 커넥터가 실무 금융 데이터 소스에 연결된다.
FactSet,
S&P Global,
Moody's,
LSEG,
PitchBook,
Morningstar.
LSEG와 S&P Global은 파트너 빌트 플러그인까지 직접 기여했다.
데모가 아니라 벤더들이 실제로 올라탄 구조다.

보안 시점에서 한 가지.
KYC Screener가 온보딩 문서를 파싱하고,
GL Reconciler가 차액의 근본 원인을 추적하고,
Statement Auditor가 LP 보고서를 감사한다.
금융 컴플라이언스 영역에 AI 에이전트가 들어온 거다.
README에 "every output is staged for human sign-off"가 명시돼 있다.
human-in-the-loop 전제 설계다.
그 전제가 현장에서 유지되는지가 다음 질문이다.
에이전트의 판단 범위,
감사 로그,
MCP 커넥터의 데이터 접근 권한
이것들이 규제 검토 대상이 될 시점이 가까워지고 있다.

iOS 27,
iPadOS 27,
macOS 27부터
'Extensions'라는 방식이 도입된다.
Apple Intelligence 기능,
Siri,
Writing Tools,
Image Playground.
전부 Extensions를 통해 외부 AI를 호출한다.

후보 모델로 보도된 건
Gemini, Claude, ChatGPT.
사용자가 설정에서 고른 모델이 OS 레벨 응답에 들어간다.
앱마다 따로 깔아서 쓰던 구조가 아니다.

이건 평범한 통합이 아니다.
OS의 가장 자주 쓰이는 자리(시리, 글쓰기 툴, 이미지 생성)가
모델 회사들의 경쟁 슬롯이 됐다.
매번 호출되는 디퐅트 자리가 OS 설정에 묶인 셈.

애플이 직접 만든 게 아니라,
애플이 못 만들어서 자리를 열었다.
결과적으로 OS가 AI 모델의 시장이 됐다.
소비자는 모델을 바꾸는 비용이 사실상 0이 된다.
ChatGPT 단독 채널이 끝나면서 모델 회사들의 디퐅트 다툼이 OS 게이트웨이 위로 올라갈 가능성이 높다.
앱 회사 입장에서는 OS 레벨 AI 제어권이 빠져나가는 변화.
거꾸로 모델 회사 입장에서는 분배 채널이 하나 열린다.
보안 관점에서 보면,
OS-레벨 AI 호출 경로가 새 위협 모델 라인이 된다.
시스템 권한 영역에서
외부 모델로 빠지는 데이터의 게이트가 어디 있느냐가 다음 논쟁거리.