Corma와 협력하여 사이버 보안 방어 격차 해소

(sequoiacap.com)

Sequoia Capital2026년 8월 10일스타트업

AI 공격 기술의 급격한 발전으로 발생하는 사이버 보안 방어 격차를 해소하기 위해, 특화된 파운데이션 모델과 강화 학습을 통해 자율적인 보안 대응 에이전트를 구축하는 Corma의 혁신적 접근법을 분석합니다.

이 글의 핵심 포인트

1공격형 AI(Mythos 등)의 발전으로 제로데이 취약점 발견 및 사회 공학적 공격 비용이 급감함
2기존 범용 LLM은 로그, 이벤트 등 보안 특화 데이터 학습 부족으로 인해 방어 성능에 한계가 있음
3Corma는 사이버 환경에서의 대규모 강화 학습을 통해 방어 전용 파운데이션 모델을 개발 중임
4보안 에이전트는 SOC, 클라우드, 네트워크 보안 등 다양한 역할을 수행하는 '보안 워크포스'로 기능함
5수동 대응으로는 놓쳤던 52일간의 공격 캠페인을 Corma 에이전트가 도입 1시간 만에 탐지 및 해결함

이 글에 대한 공공지능 분석

왜 중요한가?

공격형 AI(Offensive AI)는 급격히 진화하는 반면 방어 기술은 데이터 모달리티 차이로 인해 정체되어 있어, 이 '방어 격차'를 메우지 못하면 기업 보안 체계 자체가 무너질 수 있기 때문입니다.

어떤 배경과 맥락이 있나?

범용 LLM은 텍스트 중심 학습으로 인해 로그나 트레이스 같은 보안 특화 데이터를 이해하는 데 한계가 있으며, Corma는 이를 해결하기 위해 사이버 환경에서의 자율적인 강화 학습(Self-play) 방식을 채택했습니다.

업계에 어떤 영향을 주나?

보안 산업이 단순 탐지를 넘어 '에이전틱 워크포스(Agentic Workforce)'로 전환됨을 의미하며, 이는 보안 솔루션 기업들이 모델의 전문성과 추론 비용 최적화에 집중해야 함을 시사합니다.

한국 시장에 어떤 시사점이 있나?

클라우드 및 금융 인프라 비중이 높은 한국 기업들에게는 수동 대응이 불가능한 수준의 공격에 대비하기 위해, 특정 도메인에 특화된 '버티컬 AI 보안 모델' 도입과 기술 확보가 필수적입니다.

이 글에 대한 큐레이터 의견

Corma의 전략은 범용 모델이 해결하지 못하는 '도메인 특화 데이터(Out-of-distribution)' 문제를 정확히 짚어냈습니다. 특히 강화 학습을 통한 자율 보안 에이전트 구축은 보안 운영(SecOps)의 패러다임을 인간 중심에서 AI 에이전트 중심으로 전환할 수 있는 강력한 기회입니다. 창업자들은 범용 LLM에 의존하기보다, 특정 산업군이나 네트워크 환경에 특화된 고유 데이터를 확보하고 이를 학습시킬 수 있는 파이프라인을 구축하는 것이 차별화의 핵심임을 주목해야 합니다.

다만, 이러한 '소버린 AI(Sovereign AI)' 접근법에는 높은 비용과 데이터 확보라는 리스크가 따릅니다. 보안 환경을 완벽히 재현한 시뮬레이션 환경을 구축하고 대규모 강화 학습을 수행하는 데 드는 컴퓨팅 자원은 막대한 비용을 발생시키며, 만약 공격자가 이 방어 모델의 약점을 역이용(Adversarial Attack)할 경우 방어 체계 전체가 무너질 위험도 존재합니다. 따라서 기술적 우위뿐만 아니라, 비용 효율적인 추론 구조와 모델의 견고함을 동시에 증명하는 것이 비즈니스 지속 가능성의 관건이 될 것입니다.

원문 보기 →