스텔스 3개월 만의 10억 달러 기업가치: 코르마(Corma)가 증명한 자율 방어 AI 모델의 실무 효용성
사이버 보안 AI 스타트업 코르마가 NEA 주도로 1억 2,500만 달러 규모의 시리즈 A 투자를 유치하며 유니콘에 올랐다. 범용 LLM의 한계를 넘어 자체 방어 전용 모델을 구축한 기술적 배경과 SOC 원가 절감 효과를 분석한다.
발행일: 2026.11.17
공식 사이트 확인스텔스 해제 3개월 만에 총 누적 투자금 1억 8,500만 달러 달성
포춘 500 대기업 수요 급증에 따른 컴퓨팅 서버 용량 확장
취약점 식별부터 격리까지 4시간에서 20분 내외로 경감 (실무 시뮬레이션)
범용 LLM의 공격 편향과 방어 전용 모델의 작동 원리
2026년 10월 21일 발생한 연쇄 취약점 사태는 전 세계 정보보호최고책임자(CISO)들을 비상 체제로 몰아넣었다. PHP 런타임의 치명적 결함을 필두로 오픈소스 자바스크립트 환경인 Node.js, LLM 게이트웨이 역할을 수행하는 라이트LLM(LiteLLM) 프록시에서 동시에 제로데이 취약점이 공개되었다. 공격자들은 코드 생성 모델을 이용해 몇 분 만에 공격 페이로드를 조립하고 자동화된 정찰 도구로 표적 인프라를 스캔했다. 반면 방어 진영의 보안관제센터(SOC)는 대량으로 쏟아지는 경보(Alert) 속에서 유의미한 침해 징후를 분류하느라 반나절 이상의 시간을 허비했다.
현재 상용화된 대다수 범용 언어 모델은 코드 작성과 버그 탐색에 최적화되어 있어 구조적으로 공격자에게 유리하다. 공격자는 전체 시스템을 이해할 필요 없이 단 하나의 취약한 코드 블록만 발견하면 성공한다. 반대로 방어자는 방대한 서버 로그, 분산 추적 데이터, 네트워크 패킷 덤프 사이에서 미세한 이상 신호를 잡아내야 한다. 방대한 엔터프라이즈 원격 측정 데이터를 범용 API에 전송하는 방식은 토큰 비용과 컨텍스트 길이의 한계로 인해 실효성을 거두기 어렵다.
이스라엘 8200 부대 출신 알론 플루다(Alon Pluda)가 설립한 코르마(Corma)는 범용 LLM API 래퍼를 탈피하고 방어 전용 파운데이션 모델을 직접 학습시키는 방식을 택했다. 코르마는 2026년 8월 스텔스를 해제하며 세콰이어 캐피털로부터 6,000만 달러 시드 투자를 유치한 지 3개월 만에 NEA 주도로 1억 2,500만 달러 규모의 시리즈 A를 마무리했다. 코슬라 벤처스와 코튜가 연속 참여한 이번 라운드에서 코르마는 10억 달러의 기업가치를 인정받았다. 포춘 500 기업들의 도입 요청이 쇄도하며 서버 인프라 용량을 24배 확장하고도 대기열이 발생하는 현상은 방어 인텔리전스 불균형에 대한 시장의 갈증을 방증한다.
범용 LLM 게이트웨이 연동 방식과 전용 방어 파운데이션 모델의 구조적 차이
- • 방대한 시스로그를 텍스트로 변환해 외부 API 전송
- • 입력 토큰 폭증으로 월 수천만 원대 추론 비용 유발
- • 초당 수만 건의 실시간 패킷 검사 불가능
- • 원격 분석(Telemetry) 및 감사 로그 특화 경량 토크나이저
- • 취약점 식별부터 차단 룰 생성까지 자체 에이전트 완결
- • 내부 인프라 온프레미스·VPC 구동으로 데이터 외부 유출 차단
보안 운영 인프라 스펙 및 관제 총소유비용(TCO) 검증
기존 SOC 운영 방식은 SIEM 툴과 SOAR 플레이북, 그리고 인적 분석 인력에 전적으로 의존해 왔다. 데이터독(Datadog)이나 스플렁크(Splunk) 같은 인프라 모니터링 체계는 이상 징후를 탐지할 수 있지만, 실제 침해 여부 판정부터 방화벽 격리 조치까지는 엔지니어의 수작업 승인이 개입되어야 했다. 반면 자율 방어 에이전트 시스템은 원시 로그를 직접 임베딩하여 분산 환경의 인과 관계 그래프를 구성하고 즉각 대응 스크립트를 실행한다.
기업이 코르마 같은 방어 전용 AI 에이전트를 도입했을 때 발생하는 비용 구조 변화를 연간 5,000대 가상 서버(VM)를 운영하는 엔터프라이즈 환경 기준으로 산출했다. 아래 수치는 업계 평균적인 보안 분석가 인건비와 로그 보존료를 기반으로 추정한 실무 시뮬레이션 지표다.
| 평가 항목 | 레거시 SIEM + 티어 1 외주 관제 | 범용 LLM 연계형 자동 제어 | 코르마 방어 전용 에이전트 워크포스 |
|---|---|---|---|
| 평균 인시던트 감지·격리 시간 (MTTD/MTTR) | 4.2시간 | 1.1시간 | 18분 (자율 차단 포함) |
| 월간 로그 수집 및 분석 비용 | $45,000 (스토리지 및 인덱싱) | $78,000 (API 토큰료 가산) | $32,000 (경량 임베딩 처리) |
| 오탐(False Positive) 비율 | 68% (경보 피로 누적) | 34% (단일 문맥 오인) | 9% 이하 (다중 계층 상관분석) |
| 월간 인프라 및 운영 TCO | 약 $110,000 | 약 $125,000 | 약 $58,000 |
| 운영 인력 의존도 | 24/7 교대 근무 8인 체제 | 주간 모니터링 4인 체제 | 예외 승인 및 정책 관리 2인 체제 |
침해 감지 후 실제 프로세스 차단 및 방화벽 룰 배포까지 소요된 시간
엔터프라이즈 SOC 파급력과 에이전트 전환 마찰 비용
자율 방어 에이전트의 현장 배치는 기존 보안 운영팀의 워크플로우를 근본적으로 재편한다. 케빈 맨디아가 이끄는 아르마딘(Armadin)을 비롯해 마이크로소프트와 앤트로픽 등 빅테크 기업들도 방어용 AI 개발에 박차를 가하고 있다. 그러나 실무 관제 현장에서는 모델의 정확도뿐만 아니라 기존 파이프라인과의 통합성, 실행 권한 위임에 따른 리스크가 주요 평가 항목으로 떠오르고 있다.
모니터링 단계에서 자율 격리 권한 부여까지의 점진적 전환 과정
기존 EDR 및 VPC 흐름 로그를 에이전트 모델의 파인튜닝 데이터로 수렴
실제 차단 권한 없이 분석가 추천 룰셋을 생성하며 오탐율 10% 미만 검증
사전 정의된 고위험 RCE 공격에 한해 컨테이너 종료 및 IP 차단 자동 실행
클라우드 보안 원가(OPEX)와 인프라 오버헤드
보안 부서가 직면하는 가장 큰 문제는 폭증하는 클라우드 네트워크 이그레스(Egress) 및 모델 추론 비용이다. 원시 시스로그와 API 게이트웨이 트래픽을 외부 상용 LLM으로 전송할 경우 페타바이트 단위의 데이터 전송료가 발생한다. 코르마와 같은 전용 모델은 추론 최적화를 거쳐 고객사 클라우드 내부(VPC) 또는 에지 게이트웨이에서 직접 실행된다. 분석 파이프라인 내부에서 불필요한 노이즈 데이터를 사전에 걸러내므로 스토리지 수집 비용과 네트워크 대역폭 부담을 동시에 낮출 수 있다.
I/O 및 런타임 차단 지연시간(Latency) 제약
실시간 방어 시스템의 성패는 수 밀리초 단위의 인라인 패킷 판별 속도에 달려 있다. 대규모 트랜잭션이 발생하는 결제 시스템이나 통신사 코어망에서는 500밀리초 이상의 판별 지연도 서비스 장애로 이어진다. 방어 전용 AI는 딥러닝 추론의 심층 분석 단계와 경량 룰 기반 필터링 단계를 다계층으로 분리하여 운용해야 한다. 통상적인 정상 트래픽은 저지연 임베딩 필터를 통해 통과시키고, 비정상 시퀀스가 감지되는 즉시 심층 방어 에이전트를 기동하는 하이브리드 아키텍처가 필수적이다.
런타임 권한 제어와 환각(Hallucination)에 의한 서비스 중단 리스크
AI 에이전트에 인프라 제어 권한을 부여하는 작업은 CISO에게 상당한 관리적 부담을 안긴다. 잘못된 환각 현상으로 정상적인 핵심 데이터베이스 노드를 침해 시스템으로 오인해 네트워크에서 격리하면 막대한 비즈니스 다운타임이 발생한다. 따라서 자율 방어 에이전트를 도입할 때는 조치 영향도에 따른 권한 분리가 선행되어야 한다. 외부 인바운드 IP 차단이나 의심 컨테이너 복제는 에이전트가 단독 수행하되, 프로덕션 DB 격리나 인증 토큰 강제 만료는 보안 분석가의 승인을 거치도록 정책을 설계해야 한다.
조직 규모별 도입 적합성 판정과 의사결정 기준
모든 조직이 코르마와 같은 자율 방어 모델을 당장 도입해야 하는 것은 아니다. 현재 인프라의 규모, 사내 보안 인력의 성숙도, 처리하는 데이터의 규제 강도에 따라 도입 성과는 극명하게 갈린다.
티어 1 분석 업무를 90% 이상 에이전트에 위임하고 인력은 위협 헌팅에 집중
자체 에이전트 모델 운영 오버헤드를 피하고 클라우드 벤더의 기본 보안 기능 강화
전용 방어 AI 체계 도입이 권장되는 환경
- 연간 침해 시도가 수십만 건에 달하는 대규모 인프라: 분산 마이크로서비스(MSA) 환경에서 매일 수십 기가바이트 이상의 서비스 간 통신 로그가 발생하는 기업은 레거시 인력만으로 징후를 판별할 수 없다. 자동화된 연관 관계 분석이 필수적인 영역이다.
- 금융 및 개인정보 규제 준수 대상 엔터프라이즈: 엄격한 데이터 보호법(GDPR, 금융 망분리 등)으로 인해 외부 상용 LLM에 트래픽 로그를 전송할 수 없는 조직은 자체 VPC 내부에서 구동되는 전용 방어 파운데이션 모델이 최선의 대안이다.
- 24/7 인력 운영 비용이 월 1억 원을 초과하는 관제 조직: 야간 교대 인력의 경보 피로도를 완화하고 고위험 인시던트 판정에만 전문 인력을 집중 배치하려는 SOC 조직은 명확한 투자 대비 효과(ROI)를 거둘 수 있다.
도입을 재검토해야 하는 비적합 환경
- 단일 모놀리식 아키텍처 기반의 단순 웹 서비스: 서비스 구조가 단순하고 트래픽 유입 경로가 단일한 소규모 환경에서는 복잡한 AI 에이전트 구축 비용이 인프라 보호 효과를 상회한다. 기존 방화벽과 엔드포인트 백신(EDR)만으로도 충분한 보안성을 유지할 수 있다.
- 인프라 자동화 API 파이프라인이 부재한 레거시 온프레미스: 에이전트가 이상 징후를 탐지하더라도 이를 자동으로 격리할 쿠버네티스 CNI, 클라우드 IAM, 프로그래머블 방화벽 API가 연동되어 있지 않다면 자율 에이전트의 효용은 절반 이하로 떨어진다.
- 데이터 레이크 정제 파이프라인이 갖춰지지 않은 조직: 모델 학습 및 미세조정에 공급할 시스템 로그의 정규화가 이루어지지 않은 상태에서 에이전트를 투입할 경우, 지속적인 오탐으로 인해 관제 시스템 전체가 마비될 위험이 크다.