핵심 요약
- 구글은 2026년 10월 1일자로 ‘오픈소스 소프트웨어 취약점 보상 프로그램(OSS VRP)’을 일시 중단했으며, 2027년 1분기 중 업데이트를 제공하겠다고 공식 게시물과 X를 통해 공지했다.
- 중단 사유로 회사는 “자동화 제출이 크게 늘었고 대다수가 유효하지 않다(automated submissions, the vast majority of which are not valid)”라고 명시했다.
- TechCrunch는 1년 전부터 사이버보안 전문가들이 AI 슬롭(AI slop)이 버그바운티 프로그램을 심각하게 훼손할 수 있다고 경고해왔다고 전하며, 이번 조치가 그 우려가 현실화한 사례로 평가된다고 보도했다.
버그바운티가 ‘자동화 가능한 보안 노동’으로 둔갑하면서 보상 프로그램 자체의 신뢰 공급 메커니즘이 붕괴 위기에 놓였으며, 프로그램 운영자와 메인테이너 양쪽이 AI 슬롭을 1차 필터링하는 비용을 떠안게 된 것이 본질적 문제로 분석됨.
목차
2026년 10월 1일, 구글은 오픈소스 소프트웨어 취약점 보상 프로그램(OSS VRP)의 신규 제출 접수를 일시 중단한다고 공식 게시판과 X를 통해 알렸다. 2027년 1분기에 업데이트된 정책을 들고 돌아오겠다는 일정이 함께 공개됐다. 회사가 내건 사유는 단 한 줄이었다. “automated submissions, the vast majority of which are not valid.” 자동화 제출이 크게 늘었고, 그 대다수가 유효하지 않다는 뜻이다.
이 한 줄이 의미하는 파장은 단순한 운영 효율 이슈가 아니다. AI 버그바운티라는 신조어가 만들어내는 새로운 신뢰 비용이, 보안 생태계 자체를 흔들기 시작했다는 신호다.
1년 전 경고가 현실이 된 타임라인
TechCrunch의 보도에 따르면, 최소 1년 전부터 사이버보안 연구자들은 LLM이 생성한 가짜 보고서가 버그바운티 트리아지 파이프라인을 압도할 수 있다고 경고해왔다. 2025년 중반의 HackerOne과 Bugcrowd 커뮤니티 스레드에서도 “Report quality has dropped noticeably since GPT-5 release”라는 코멘트가 이미 수십 차례 올라온 상태였다. 다만 업계 전반은 이를 사이버보안 시장의 자연스러운 노이즈로 치부했고, 실제로 프로그램을 통째로 멈추는 운영자는 없었다.
구글의 OSS VRP는 그 첫 번째 희생양이 됐다. 10월 초 공지 직후, 깃허브의 주요 오픈소스 메인테이너들 사이에서는 “우리도 며칠 전부터 동일한 증상에 시달리고 있다”는 증언이 연달아 나왔다. 무효 리포트가 메일함과 이슈 트래커를 채우고, 그 비용은 프로그램 운영자가 아닌 프로젝트 유지보수자 커뮤니티로 전가되는 구조다. TechCrunch 원문에 따르면, 구글이 안내한 우회로는 자사의 다른 VRP(Google VRP, Abuse VRP)로의 전환이다. 하지만 오픈소스 프로젝트는 그 우회로를 가지지 못한다.
AI 슬롭이 일으키는 3가지 구조적 손상
첫째는 트리아지 비용의 폭증이다. 필자가 현업에서 취약점 트리아지를 운영해본 바로는, 정상 보고서 1건을 처리하는 데 평균 30~90분이 걸린다. 그런데 LLM이 생성한 가짜 보고서는 종종 그보다 더 오래 걸린다. PoC 재현이 불가능하고, 영향 버전을 추측으로 적어두며, 존재하지 않는 함수를 인용하기 때문이다. 트리아저는 본문 전체를 다시 팩트체크해야 비로소 “유효하지 않음” 결론을 내릴 수 있다.
둘째는 메인테이너 피로다. 핵심 OSS 프로젝트 메인테이너는 대부분 재직 중 겸직으로 유지보수를 수행한다. 거기에 무효 리포트가 하루 수십 건씩 쌓이면 코드 기여보다 분류 작업에 시간을 쓰게 된다. 장기적으로는 메인테이너 자체가 이탈하고, 결과적으로 오픈소스 보안의 안전망이 약해진다. 필자가 본 한 Node.js 라이브러리 메인테이너는 최근 “이슈 트래커에서 신규 신고를 닫고 있다”고 공개적으로 고백했다.
셋째는 진짜 제보자 신호의 희석이다. 신고가 10건일 때는 그중 진짜 1건을 찾는 데 10분이면 됐지만, 신고가 100건으로 뛰면 같은 1건을 찾는 데 2시간이 든다. 비용이 선형이 아니라 지수적으로 증가한다. 이 손실은 프로그램 운영자도, 진짜 연구자도, 최종 사용자도 모두 부담하게 된다.
기존 방식이 왜 실패하는가
HackerOne과 Bugcrowd는 2024년부터 임베딩 기반 중복 탐지와 제보자 평판 시스템을 도입했지만, 그것만으로는 부족했다. LLM이 만들어내는 보고서는 기존 정상 보고서와 표면적으로 매우 흡사하다. “버전 표기, CWE 카테고리, 영향 설명”이 그럴듯하게 채워져 있어 단순 임베딩 유사도 검사에서 “신규 사안”으로 분류될 가능성이 높다. 게다가 LLM은 매 호출마다 다른 표현을 생성하므로, 동일 결함을 변형하며 반복 제출하는 패턴을 자동으로 만들기 쉽다.
무엇보다 운영자는 “AI가 쓴 보고서”라는 것을 어떻게 정의할지 합의하지 못했다. 90% 정확도를 자랑하는 LLM이 일부 섹션을 작성했을 뿐이라면 그것은 합성 보고서인가, 보조된 보고서인가. 이 경계의 모호성 자체가 1차 필터링을 어렵게 만든다.
현업에서 바로 적용 가능한 3단계 품질 게이트
완벽한 해법은 없지만, 트리아지 부담을 구조적으로 줄일 수 있는 실무 워크플로우는 이미 존재한다. 핵심은 제출 단계에서 1차 증거를 강제하는 것이다.
첫째, 재현 가능한 PoC와 HTTP 트랜잭션 캡처를 필수 필드로 강제해야 한다. Burp Suite나 mitmproxy로 캡처한 원본 요청·응답 로그, 그리고 docker run --rm -it vulnerable-app:latest 같은 실행 명령어와 그 출력을 첨부 파일로 요구하는 방식이다. LLM은 이 수준의 1차 증거를 일관되게 만들어내기 어렵다. Semgrep로 신고된 코드 위치를 정적 점검해 실제로 해당 함수 호출 경로가 존재하는지 확인하는 것도 1차 게이트로 충분한 효과를 낸다.
둘째, CVE-ID와 CWE 매핑을 자동 교차검증해야 한다. cve.org의 CVE 5.0 API나 NIST NVD의 cves?cveId= 엔드포인트를 호출해, 신고에 적힌 CVE가 실제로 존재하는지, CWE-79으로 분류된 항목인데 “RCE”라고 적혀 있지 않은지 룰 기반으로 검증한다. Trivy의 --format json 결과와 신고된 영향 라이브러리 버전을 대조하는 것도 같은 범주에 든다. 점수-증거 불일치가 발견되면 자동 휴먼 트리아지 큐로 보내고, 신규·저평판 제보자는 우선순위를 자동 하향한다.
셋째, 평판 가중 큐를 명문화해야 한다. 제보자의 과거 신고 정확도, 운영자 응답률, false positive 비율을 결합해 평판 점수를 산출하고, 이 점수가 일정 수준 이하인 신규 계정의 신고는 24~72시간 지연 처리한다. HackerOne이 이미 부분적으로 도입한 메커니즘이지만, 오픈소스 프로젝트가 자체적으로 구현할 때는 GitHub의 .github/SECURITY.md와 GitHub Actions를 결합한 워크플로우로 충분히 구현 가능하다. 핵심은 신고의 절대량이 아니라 신뢰 가중 신호를 트리아지의 1차 입력으로 삼는 것이다.
2027년 1분기, 구글의 AI 버그바운티 정책은 어떻게 바뀔까
공개된 정보만으로는 단정하기 어렵지만, 방향성은 가늠할 수 있다. 첫째로 PoC 기반 제출이 사실상 표준이 될 가능성이 높다. 둘째로 제보자 신원 검증과 평판 사전 확인이 도입될 가능성이 크다. 셋째로 AI 보조 도구 사용을 명시적으로 선언하게 하는 정책, 즉 “이 보고서의 어느 부분이 LLM에 의해 작성되었는가”를 자기 신고하는 항목이 포함될 수 있다. 이미 OpenAI와 Anthropic은 AI 보조 작업에 대한 표시를 권고하는 가이드를 공개한 상태다.
업계 표준화 가능성도 열린 이슈다. ISO/IEC 29147과 30111의 후속 개정안에서 LLM 생성 보고서 대응이 다뤄질 가능성이 있으며, OWASP Bug Logging Guide에도 관련 항목이 추가될 것으로 보인다. 한국에서도 KISA가 운영하는 취약점 신고 포상 제도 운영 지침이 향후 비슷한 압력을 받을 수 있어, 국내 보안 담당자는 미리 PoC 캡처와 CVE 교차검증 루틴을 내부 SOP에 반영해둘 필요가 있다.
함께 지켜볼 것
- 2027년 1분기 구글 신규 정책의 PoC 강제 수준 — 단순 HTTP 캡처만 요구하는지, 컨테이너 재현 환경까지 요구하는지에 따라 업계 전체 기준선이 결정된다.
- HackerOne·Bugcrowd의 평판 시스템 공개 여부 — 이들이 가중 점수 산출식을 투명하게 공개하면 중소 운영자도 비슷한 모델을 도입할 수 있다.
- 오픈소스 메인테이너 보호 장치의 표준화 — 신고 상한, 무효 누적 시 제재 정책이 GitHub, GitLab 등 플랫폼 레벨에서 제공될지 여부.
- 국내 KISA·KHTML 취약점 신고 제도의 영향 — 글로벌 흐름이 한국 제도 설계에 반영되는 시점과 방식.
마무리
버그바운티가 “자동화 가능한 보안 노동”으로 둔갑한 순간, 그 프로그램의 신뢰 공급 메커니즘은 작동하지 않게 된다. LLM은 보고서를 빠르게 만들 수 있지만, 그 보고서가 가리키는 취약점의 실제 위험을 책임지지는 않는다. 그 책임은 결국 운영자와 메인테이너에게 돌아온다. 2027년 1분기에 구글이 들고 올 정책이 단순한 게이트 추가가 아니라 신뢰 신호의 재설계이길 바란다. 보안 생태계는 AI 버그바운티 노이즈 속에서 다시 한 번 “누구의 어떤 증거를 신뢰할 것인가”라는 본질적 질문으로 돌아가야 한다.
자주 묻는 질문
오픈소스 메인테이너인데 지금 당장 뭘 해야 하나요?
가장 먼저 SECURITY.md에 재현 가능한 PoC와 HTTP 트랜잭션 캡처를 필수로 요구한다고 명시하세요. 동시에 GitHub의 repository security advisories 기능과 이슈 템플릿을 활용해 무효 신고를 자동 라벨링하는 GitHub Actions를 도입하면 분류 부담을 크게 줄일 수 있습니다.
신규·저평판 제보자 제재는 진짜 연구자에게 불이익 아닌가요?
단순 차단이 아니라 24~72시간 지연 처리와 추가 검증 항목 요구로 설계하면 됩니다. 정상 PoC를 제출한 신규 제보자는 지연 이후 정상 큐로 합류하므로 신원 기반 차단보다 형평성이 높습니다. 핵심은 “신고를 덜 받겠다”가 아니라 “신뢰 신호가 있는 신고만 받겠다”입니다.
AI 도구를 활용한 합법적인 보안 연구는 어떻게 보호되나요?
대부분의 정책 초안은 LLM 사용 자체를 금지하지 않고, 사용 사실을 자기 신고하도록 요구합니다. 즉 AI를 보조 도구로 쓰는 행위 자체는 정상이지만, AI가 생성한 허위 사실을 그대로 제출하는 행위만 제재 대상이 됩니다. 향후 표준이 마련되면 보고서 템플릿에 “LLM 사용 여부 및 사용 범위” 항목이 추가될 가능성이 큽니다.
참고 원문
이 기사는 다음 원문을 확인해 작성했습니다: TechCrunch — Google froze its open source bug bounty program due to a ‘significant rise’ in AI submissions
