AI 버그 헌팅 문제 해결: 당신의 에이전트를 위한 무료 트리아지가 되지 않는 방법

버그 바운티를 위한 AI 에이전트를 구동하는 데는 몇 분밖에 걸리지 않지만, 검증 없이는 대량의 거짓 양성(false positive)을 생성하여 연구원을 무료 트리아저(triager)로 전락시킨다. 예를 들어 67건의 보고서 중 3건만 유효할 수 있다. HackerOne 데이터에 따르면, 2026년 접수된 보고서의 양은 전년 대비 76% 증가한 반면, 확인된 익스플로잇 가능한(exploitable) 발견의 비율은 여전히 25%에 머물지만, 치명적(critical) 및 중요(high) 발견의 비율은 32%로 증가했다. 동시에 유효한 AI 보고서의 증가율은 210%였다. 플랫폼들은 제한을 도입하고 있다: curl은 2026년 2월 1일부로 HackerOne에서 프로그램을 종료했고, HackerOne은 인터넷 버그 바운티(Internet Bug Bounty)에 대한 제출을 중단했으며, BI.ZONE과 Standoff 365는 일일 보고서 제한을 도입했고, Brave는 두 번의 스팸 보고서 후 사용자를 금지한다. 9,942건의 보고서를 대상으로 한 연구(Zheng et al., 2025)에 따르면, XSS(크로스 사이트 스크립팅)가 제출의 13.8%, 정보 공개(Information Disclosure)가 9.4%, 접근 제어 및 인증(Access Control with Authentication)이 10% 이상을 차지한다. 최신 LLM(대규모 언어 모델)은 유효하지 않은 보고서를 수락하는 경향이 있지만, RAG(검색 증강 생성)가 이 문제를 해결하는 데 도움이 된다. Bugcrowd 설문조사에 따르면, 2026년에 연구원의 82%가 생성형 AI를 사용한다. 저자는 AI 버그 사냥에 대한 네 가지 접근 방식을 식별한다: LLM 어드바이저를 이용한 수동 분석, LLM 해석을 포함한 자동 스캐너, 박스형(boxed) 에이전트, 검증된 파이프라인(verified pipeline). 모델은 로컬 설정(Ollama, LM Studio, vLLM), API(강력한 모델), 구독(Cursor, Claude.ai, ChatGPT), 또는 엔터프라이즈 플랫폼(Bedrock, Azure OpenAI, Vertex AI)을 사용하여 비용을 지불한다. 발견 검증을 위한 아키텍처는 세 가지 계층을 포함한다: 에이전트 규칙(예: SQL 인젝션을 위한 시간 기반 확인, 서버 사이드 요청 위조를 위한 아웃 오브 밴드(out-of-band), XSS를 위한 헤드리스 브라우저), RAG(취약점 패턴이 있는 지식 베이스에 접근), 모델 컨텍스트 프로토콜(model context protocol, 능동적 가설 테스트를 위한 도구).