Aikido, Altar-1 공개: 328 GB 모델로 공기 단절 펜테스트 지원

Aikido Security는 방어 보안 작업을 위해 Z.AI의 GLM‑5.3 아키텍처를 기반으로 한 오픈‑웨이트 모델 Altar-1을 출시했습니다.

회사의 주요 목표는 소스 코드, 아키텍처 문서 및 미해결 취약점이 고객 인프라를 떠나지 않도록 하는 것으로, 이는 고도로 규제되고 격리된 네트워크에 필수적인 요구사항입니다.

모델 압축 및 아키텍처

Altar-1은 BF16 정밀도 기준 약 1.51 TB에서 AWQ INT4 양자화와 전문가 프루닝을 결합해 328 GB로 압축되었습니다. 이 과정에서 원래 256개의 라우팅 전문가 중 168개를 유지하고 토큰당 8개의 전문가가 활성화됩니다.

Aikido에 따르면, 이 모델은 vLLM을 통해 4개의 NVIDIA H200 GPU가 장착된 단일 노드에서 동작하며 128 k 토큰 컨텍스트 창을 지원해 대규모 코드 분석에 적합합니다.

학습 데이터와 개인정보 보호

Aikido는 보정 과정에서 고객 데이터를 전혀 사용하지 않았다고 밝힙니다. 학습 데이터는 침투 테스트 트레이스, 코딩 예제, 도구 호출 패턴, 추론 단계 및 다국어 텍스트 등 공개 저장소에서 수집된 자료로 구성되었습니다.

벤치마크 성능

32개의 알려진 취약점을 30개의 저장소에서 평가한 내부 벤치마크에서 Altar-1은 평균 재현율 60.4 %를 기록했고, 세 번의 실행 중 최소 한 번은 23개의 취약점을 발견했습니다.

전체 정밀도 부모 모델은 65.6 % 재현율을 보이며 25개의 취약점을 찾았으며, 이는 Altar-1이 압축에도 불구하고 원본 커버리지의 약 92 %를 유지함을 의미합니다.

• 압축 크기: 328 GB (1.51 TB에서)
• 양자화: AWQ INT4
• 유지된 전문가: 256 중 168, 토큰당 8명 활성
• 하드웨어: 단일 노드에 4개 NVIDIA H200 GPU
• 컨텍스트 창: 128 k 토큰

이 벤치마크는 공급업체가 직접 실행했으며 알려진 취약점 재현율에만 초점을 맞추고 있어, 모델이 알려지지 않은 결함을 발견하거나 익스플로잇을 검증하고 대응 방안을 생성하는 능력은 평가되지 않았습니다.

Altar-1 모델이 제공하는 온‑프레미스·공기 단절 환경에서의 자동 침투 테스트는 기존 클라우드 기반 솔루션과 달리 데이터 유출 위험을 근본적으로 차단한다는 점에서 보안 운영의 근본적인 전환을 의미한다. 모델 자체가 고객 인프라 내부에 머무르면서 코드·아키텍처·취약점 정보를 외부로 전송하지 않으므로, 규제 준수와 개인정보 보호 요구를 동시에 만족한다. 이러한 구조적 장점은 특히 금융·헬스케어·공공 부문에서 데이터 주권을 강화하고, 외부 위협에 대한 방어 경계를 물리적으로 확장하는 효과를 낳는다.

압축 및 양자화 과정에서 유지된 168개의 전문가와 토큰당 8개의 활성화된 전문가 조합은 모델의 추론 효율성을 크게 높인다. BF16에서 INT4 양자화로 전환하면서도 원본 용량 대비 78 % 이상의 압축률을 달성했음에도 불구하고, 핵심 코드 분석 능력과 취약점 탐지 로직은 크게 손실되지 않았다. 이는 전문가 프루닝이 단순히 파라미터 수를 줄이는 것이 아니라, 보안 도메인에 특화된 핵심 기능을 선별적으로 보존한다는 설계 원칙을 반영한다는 점에서, 향후 다른 보안 AI 모델에도 적용 가능한 압축 전략으로 평가될 수 있다.

내부 벤치마크 결과는 Altar-1이 알려진 32개의 취약점 중 평균 60.4 %를 재현했으며, 압축 전 모델 대비 약 92 %의 커버리지를 유지한다는 사실을 보여준다. 하지만 이 평가는 제한된 테스트 셋에 국한되어 있으며, 실제 운영 환경에서 마주하게 되는 복합적인 취약점 시나리오나 제로데이 공격에 대한 탐지 능력은 검증되지 않았다. 따라서 모델의 실효성을 판단하기 위해서는 다양한 코드베이스와 변형된 공격 패턴을 포함한 광범위한 외부 검증이 필수적이다.

벤치마크가 공급업체 자체 실행에 의존하고, 재현율 중심의 지표만을 제공한다는 점은 평가의 편향성을 내포한다. 재현율이 높다고 해서 모델이 자동으로 익스플로잇을 생성하거나 대응 방안을 제시한다는 보장은 없으며, 오히려 인간 보안 분석가와의 협업이 요구되는 영역이 남아 있다. 따라서 Altar-1을 실제 보안 파이프라인에 통합하려면, 모델 출력물에 대한 검증 단계와 결과 해석을 위한 전문가 검토 절차를 별도로 설계해야 한다.

한국 기업이 Altar-1을 도입함으로써 기대할 수 있는 실용적인 효과는 두드러진다. 328 GB라는 상대적으로 작은 모델 크기는 기존 온‑프레미스 서버에 손쉽게 배포할 수 있게 하며, 4개의 NVIDIA H200 GPU만으로도 128 k 토큰 컨텍스트 창을 활용한 대규모 코드 스캔이 가능하다. 이는 별도 클라우드 비용 없이 내부 네트워크만으로 지속적인 보안 테스트를 수행할 수 있음을 의미한다. 또한, 모델이 외부와 완전히 격리된 상태에서 동작하므로, 보안 팀은 민감한 소스 코드가 외부에 노출될 위험 없이 자동화된 테스트를 활용해 보안 수준을 지속적으로 점검할 수 있다.

향후 Altar-1의 활용 방안을 확대하기 위해서는 모델의 한계점을 보완하는 추가적인 검증 프레임워크가 필요하다. 예를 들어, 알려지지 않은 취약점 탐지를 위한 변형 데이터셋을 도입하거나, 모델이 생성한 익스플로잇 코드를 실제 환경에서 안전하게 실행해 보는 샌드박스 기반 검증 절차를 구축할 수 있다. 또한, 모델 업데이트 시 기존 압축 및 프루닝 전략이 보안 성능에 미치는 영향을 지속적으로 모니터링하고, 필요 시 전문가 수를 재조정하는 동적 관리 메커니즘을 도입한다면, 압축 효율과 탐지 정확도 사이의 최적 균형을 유지하면서 장기적인 운영 안정성을 확보할 수 있을 것이다.

한국 기업을 위해 Altar-1은 민감한 자산을 외부 클라우드 서비스에 노출하지 않고 격리된 환경 내에서 자동 침투 테스트를 구현할 실용적인 방법을 제공합니다. 축소된 용량 덕분에 표준 온‑프레미스 하드웨어에 배포할 수 있으며, 유지된 커버리지는 대부분의 알려진 문제를 여전히 탐지해 보안 팀에게 빠르고 독립적인 테스트 역량을 제공합니다.