DeepSeek 공개 DSec: 매일 수백만 에이전트 샌드박스 훈련을 지원하는 인프라스트럭처

2026년 9월 30일, DeepSeek와 청화대학은 Zhihu 플랫폼을 통해 공동 기술 보고서를 공개했습니다. 이 보고서는 대규모 에이전트 훈련을 위한 샌드박스 기반 인프라스트럭처인 DSec을 처음으로 소개하며, DeepSeek‑V4.1 버전이 수행하는 구체적인 역할과 현재 운영 중인 시스템 규모를 상세히 기술하고 있습니다. 보고서는 특히 시스템 설계 원칙과 실제 운영 데이터에 기반한 성능 지표를 중심으로 설명하고 있습니다.

시스템 개요

DSec은 DeepSeek‑V4.1의 통합 훈련, 평가 및 데이터 전처리 플랫폼으로 정의됩니다. 이 플랫폼은 함수 호출(FnCall)부터 전체 가상 머신(Full VM)까지 네 가지 실행 모델을 제공하며, 모든 모델이 동일한 스케줄링 레이어에서 관리됩니다. 이를 통해 개발 팀은 동일한 자원 풀 내에서 다양한 샌드박스 유형을 유연하게 전환할 수 있으며, 자원 할당과 회수 과정이 자동화되어 운영 효율성이 크게 향상됩니다.

보고서는 DSec이 제공하는 네 가지 실행 환경이 각각 어떤 역할을 수행하는지 구체적으로 설명합니다. FnCall은 경량 함수 실행에 최적화된 모델이며, 컨테이너는 표준화된 애플리케이션 격리를 제공하고, MicroVM은 가벼운 가상화와 빠른 시작 시간을 특징으로 합니다. Full VM은 완전한 가상 머신 환경을 필요로 하는 복잡한 작업에 사용됩니다. 이러한 다중 모델 접근 방식은 다양한 워크로드 요구에 맞춰 최적의 실행 환경을 선택하도록 지원합니다.

기술 구현

DSec의 구현은 통합 스케줄링 인터페이스를 중심으로 설계되었습니다. 스케줄러는 각 실행 모델에 대한 자원 할당, 라이프사이클 관리 및 장애 복구를 담당하며, 서로 다른 모델 간의 자원 경쟁을 최소화하도록 최적화되었습니다. 운영 환경에서는 이미 11,266개의 기본 이미지와 102,171개의 워크스페이스가 누적 배포되었으며, 이러한 이미지에 대한 실제 접근 비율은 4.2%에서 13.3% 사이에 머물러 있습니다. 낮은 접근 비율은 대부분의 이미지가 콜드 스탠바이 상태에 있음을 의미하며, 이는 스토리지 부하를 크게 감소시키는 효과를 가져옵니다.

또한, DSec은 이미지 캐시 전략을 활용하여 디스크 I/O를 최소화합니다. 캐시된 이미지가 필요할 때는 메모리 기반 계층에서 빠르게 제공되며, 이는 디스크 쓰기량 감소와 함께 전체 시스템 응답 시간을 단축시키는 요인으로 작용합니다. 이러한 메커니즘은 특히 대규모 에이전트 훈련 시 반복적인 이미지 로드 작업을 효율적으로 처리하도록 설계되었습니다.

성능 및 규모

벤치마크 테스트 결과, 8,192개의 컨테이너 작업에 대해 작업 실행 시간이 기존 60분 이상에서 약 35분으로 단축되었습니다. 동시에 디스크 쓰기량은 57% 감소했으며, 이러한 개선은 DSec의 I/O 스케줄링 최적화와 컨테이너 계층 캐시의 깊은 활용 덕분이라고 보고서는 평가합니다. CPU 사용 측면에서는 샌드박스의 약 90%가 실제 사용량이 할당된 자원의 5% 이하로 유지되고 있어, 자원 활용 효율이 매우 높다는 점을 보여줍니다.

시스템은 50배 이상의 리소스 오버커밋을 구현하여 작업 완료를 보장하면서도 하드웨어 활용률을 크게 높이고 있습니다. 단일 샤드는 약 160대의 서버로 구성되며, 전체 클러스터는 약 30,000개의 CPU 코어와 250 TB 메모리를 제공하고 있습니다. 하루에 약 300만 개의 샌드박스를 생성할 수 있으며, 피크 시 동시 실행 수는 38만을 초과하고, 생성 속도는 초당 5,000개 인스턴스를 돌파했습니다. 이러한 수치는 DSec이 수백만 에이전트를 동시에 훈련할 수 있는 확장성을 갖추고 있음을 명확히 보여줍니다.

보안 및 제한

DSec은 보안 방어를 위해 AppArmor와 eBPF 이중 메커니즘을 채택하고 있습니다. 이 두 가지 기술은 시스템 콜과 네트워크 트래픽을 세밀하게 모니터링하며, 비정상적인 행위를 실시간으로 탐지하고 차단하는 역할을 수행합니다. 보고서는 이러한 방어 체계가 현재 알려진 대부분의 위협에 대해 효과적이라고 평가하지만, 커널 수준의 취약점이 여전히 잠재적 위험으로 남아 있음을 인정하고 있습니다.

또한, 보고서는 현재 알려진 모든 취약점에 대한 일반적인 방어 수단이 부족하다는 점을 명시합니다. 이는 향후 보안 업데이트와 패치 적용이 지속적으로 필요함을 의미하며, 운영 팀이 취약점 관리 프로세스를 강화해야 할 필요성을 강조합니다. 이러한 제한에도 불구하고, DSec은 현재 구현된 보안 메커니즘을 통해 대부분의 악성 행위를 차단하고, 안전한 훈련 환경을 유지하고 있습니다.

종합적으로, DeepSeek와 청화대학이 공개한 DSec 보고서는 대규모 에이전트 훈련을 위한 샌드박스 인프라스트럭처가 어떻게 설계되고 운영되는지를 구체적인 수치와 함께 제시합니다. 시스템은 다양한 실행 모델을 통합 관리하고, 효율적인 자원 스케줄링과 캐시 전략을 통해 성능을 크게 향상시켰으며, 대규모 동시성을 지원하면서도 보안 방어 체계를 갖추고 있습니다. 향후 업데이트와 보안 패치 적용을 통해 현재의 제한점을 보완한다면, DSec은 더욱 안정적이고 확장 가능한 에이전트 훈련 플랫폼으로 자리매김할 것으로 기대됩니다.