Harness, 기계 속도로 취약점을 스캔·분류·패치하는 AI 에이전트를 출시

샌프란시스코에 본사를 둔 소프트웨어 전달 플랫폼 기업 Harness는 2026년 8월 19일 AI 보안 에이전트 제품군을 출시했습니다 — AI SAST, 에이전트 기반 트라이애지 및 복구, 전용 제로데이 에이전트, 그리고 가상 패치 — 취약점을 발견하고 수정을 배포하는 데 걸리는 시간을 몇 주에서 몇 시간으로 단축하도록 설계되었습니다.

이 주장은 방어자가 계속해서 뒤처지는 비대칭에 기반합니다. Launch를 상세히 설명하는 Harness의 엔지니어링 포스트에서 회사는 Edgescan 2026 취약점 통계 보고서가 제시한 평균 55일의 취약점 복구 시간과, 공격자 일정(Zero Day Clock이 추적)에서는 공개 후 첫 번째 악용이 최소 6시간에 이른다고 인용합니다. 수정이 작성된 이후에도 2025 DORA 보고서는 커밋에서 프로덕션까지가 일주일 이상 걸린다고 밝혔습니다. 방어자는 몇 주가 걸리는 프로세스로 시간을 측정하는 반면, 방어자는 몇 시간 안에 닫아야 할 창을 맞추고 있습니다.

최첨단 모델은 이제 그 격차 양쪽을 압박하고 있습니다. LLM 기반 스캔은 전통적인 정적 분석보다 훨씬 많은 결과를 도출하는데 — Anthropic의 Project Glasswing 파트너들은 보안 파트너에게 Claude Mythos Preview 모델에 대한 접근 권한을 제공하여 핵심 소프트웨어의 취약점을 탐색하도록 했으며, 테스트에서 약 10배 더 많은 취약점이 발견되었습니다. 그러나 처리 없이 가시성만 확보해도 백로그가 커질 뿐입니다. Glasswing에 참여한 Comcast는 중요한 및 고위험 LLM 결과의 44%가 오탐이며, 중요한 결과 중 36%와 고위험 결과 중 33%만이 실제로 악용 가능하다고 확인했습니다.

“우리 고객이 소프트웨어를 더 빠르게 배포하도록 돕는 동일한 AI 모델이 공격자들이 취약점을 더 빨리 찾고 악용하는 데에도 사용되고 있는 시점에 이르렀습니다.”라고 Harness의 애플리케이션 보안 총괄 매니저 Rahul Sood가 회사 발표에서 말했습니다. “그 격차를 메우는 유일한 방법은 보안을 배포 파이프라인 자체의 핵심 요소로 만드는 것입니다.”

에이전트가 실제로 하는 일

스캔 레이어는 결정론적 분석과 확률적 분석 사이의 차이를 의도적으로 나눕니다. 이는 현재 업계가 LLM을 코드베이스에 적용하는 데 열광하고 있는 상황을 고려한 눈에 띄는 설계 선택입니다. Harness의 AI SAST는 결정론적 데이터 흐름 엔진과 AI 신뢰도 레이어를 결합하여 각 결과를 확인된 위험, 잠재 위험, 혹은 상황에 따라 안전한 것으로 분류합니다. 회사가 자체적으로 수행한 OWASP Java 코퍼스 벤치마크에 따르면 이 레이어는 오탐을 79% 감소시켰으며(454건에서 95건으로), 정밀도를 74%에서 93%로 끌어올리면서 91%의 재현율을 유지했습니다. 데이터 흐름 분석이 구조적으로 볼 수 없는 불안전한 직접 객체 참조(insecure direct object reference)와 같은 경우, Harness는 Go, Java, Python의 390건 코퍼스에서 99% 정밀도에 71% 재현율을 달성했다고 주장합니다. 이는 공급업체 자체 보고 벤치마크이지만 근본적인 논리는 타당합니다: 동일한 코드를 두 번 스캔했을 때마다 다른 결과를 반환하고 스캔당 토큰 비용이 발생하는 확률적 스캐너는 지속적인 CI/CD 게이팅에 적합하지 않습니다. 대신 Harness는 일회성 탐색용 LLM 스캔을 제공하고, 파이프라인 내에서 자체 LLM 스캐너를 네이티브하게 실행하고자 하는 팀을 위해 LLM Scan Orchestration을 제공합니다.

하위 단계에서 트라이애지 에이전트는 CVSS, EPSS 및 도달 가능성 분석을 결합해 결과의 우선순위를 정합니다. Harness는 이제 특정 취약 함수까지의 호출 경로를 추적하므로, 해당 함수가 실제로 도달 가능할 때만 종속성이 표시됩니다. 복구 에이전트는 수정 코드를 작성하고 파이프라인에서 검증해 빌드 파손을 방지한 뒤, 인간 검토가 포함된 풀 리퀘스트를 엽니다. 개발자는 병합 권한을 유지합니다.

제로데이 에이전트는 6시간 문제를 직접 해결하기 위해 설계되었습니다. 이 에이전트는 새로 공개된 제로데이를 모니터링하고, 고객 환경 전반에 걸친 모든 영향을 받는 아티팩트와 파이프라인을 식별합니다(회사에 따르면 영향 범위 매핑이 며칠에서 몇 초로 단축됩니다). 그리고 검증된 수정을 생성해 검토 준비 상태로 만들며, 트라이애지 대기열을 완전히 건너뛰게 합니다. 가상 패치는 남은 시간 창을 메웁니다: API 테스트에서 취약점이 발견되면, Harness는 코드 변경 없이 웹 애플리케이션 및 API 보호 레이어에 보호 규칙을 배포해 몇 분 안에 프로덕션을 보호하고, 영구적인 수정이 작성되는 동안 이를 유지한 뒤, 수정이 배포되면 패치를 제거합니다.

이 여섯 가지 기능은 모두 현재 Harness 플랫폼 내에서 이용 가능하며, 복구 및 제로데이 에이전트는 파이프라인의 기존 거버넌스—정책 게이트, 승인, 그리고 모든 아티팩트에 대한 보관 체인—위에서 동작합니다.

Harness의 에이전트 기반 AppSec 구축

이번 출시는 2025년 2월 Harness가 API 보안 기업 Traceable와 합병하면서 시작된 보안 흐름을 확장한 것입니다. 이 합병으로 Traceable 공동 설립자 Sanjay Nagaraj가 합병된 회사의 애플리케이션 보안 사업을 담당하게 되었습니다. 2026년 7월 회사는 Agent DLC를 출시했는데, 이는 AI 에이전트 개발 라이프사이클을 위한 거버넌스 레이어로, 기본 스캔, AI 부품 목록, 에이전트 탐색, 그리고 런타임에서 프롬프트 인젝션 및 도구 오용을 방지하는 정책을 시행하는 AI 방화벽을 포함합니다. 며칠 뒤에는 Kong 파트너십을 확대하여 AI 탐색 및 보호 기능을 Kong의 AI Gateway에 통합하고, 이를 통해 라우팅되는 모든 모델, MCP 서버, 도구를 인벤토리화했습니다.

Unite.AI는 공격 측면에서도 같은 가속을 추적했습니다. Claude가 사이버 벤치마크를 세 차례 실제 침입으로 전환한 사례부터 IBM이 악성 침해 4건 중 1건에서 AI가 역할을 했다고 밝힌 연구까지, 방어 측면에서는 OpenAI의 Daybreak 사이버 방어 모델이 Amazon Bedrock에 탑재된 사례가 있습니다. Harness의 전망은 단순한 탐지가 아니라 수정 파이프라인이 다음에 기계 속도로 도달해야 할 핵심이라는 점입니다.

에이전트가 자체적으로 수정을 작성해도 기업의 신뢰를 얻을 수 있을지는 에이전트를 둘러싼 검증 하네스에 달려 있습니다. 이는 Copilot Autofix가 Snowflake의 CI/CD 파이프라인에서 쉘 인젝션을 일으킨 사례에서 다시 확인된 교훈입니다. Harness의 해결책은 아키텍처적 접근입니다: 에이전트가 제안하고, 파이프라인이 검증하며, 인간이 병합합니다.