GitHub 플랫폼과 Microsoft는 오픈 소스 소프트웨어 개발자와 유지 관리자들에게 부담을 주는 AI 도구 생성 보안 취약점 보고서 문제를 해결하기 위한 'Codename MDASH'라는 이름의 공동 실무 실험 결과를 발표했습니다. 개발자들에게 중복되거나 부정확한 경고가 포함된 경우가 많은 가공되지 않은 스캔 결과를 쏟아붓는 대신, 이 실험은 즉시 사용 가능하고 사전에 검증된 소프트웨어 수정 사항을 제공하는 데 집중했습니다.
이 실험은 Microsoft의 보안 모델(MAI Cyber)로 지원되는 조화로운 스캔 시스템과 GitHub 보안 연구소 및 Microsoft의 (FORGE Lab) 팀에 기반한 필터링 및 검증 프로세스를 활용했습니다. 이 이니셔티브에는 (Caddy), (AutoGPT), (ImageMagick), (Netty), (Express), (FastMCP)를 포함한 6개의 널리 보급된 오픈 소스 프로젝트가 포함되었으며, 수천 개의 문제를 스캔하고 수동 및 프로그래밍 방식으로 필터링하여 수정 제안이 첨부된 99개의 비공개 보고서 형태로 개발자들에게 전달했습니다.
Codename MDASH 시스템은 어떻게 작동했는가?
- 스캔: 보안 AI 모델을 사용하여 프로젝트를 스캔하고 발견된 취약점에 대한 초기 수정 사항을 제안합니다.
- 필터링: Copilot 기술을 기반으로 구축된 지능형 스캔 에이전트를 사용하여 중복을 제거하고 영향력이 큰 취약점에 집중합니다.
- 검증: 개발자에게 전달하기 전 결과의 정확성을 보장하기 위해 보안 연구원들이 정밀한 수동 검토를 수행합니다.
- 보고 및 수정: GitHub의 취약점 보고 기능을 통해 보고서를 비공개로 전송하며, 유지 관리자가 검토하고 병합할 수 있도록 제안된 수정 코드를 함께 제공합니다.
개발자들에게 실질적으로 무엇이 변하는가?
11월 중순까지의 결과에 따르면, 6개 프로젝트의 개발자들은 제출된 보고서의 절반 이상(55개 수정 사항)을 해결할 수 있었으며, 그 중 14개는 며칠 만에 실제 소프트웨어 버전에 통합되었습니다. 유지 관리자들은 제안된 수정 사항과 사전 검토가 완료된 보고서를 받는 것이 필터링되지 않은 가공되지 않은 스캔 결과를 읽고 분석하는 데 낭비되었을 수 있는 수많은 시간을 절약해 준다고 확인했습니다.
향후 단계 및 규모 확장
Microsoft와 GitHub는 (MAI Cyber) 모델의 두 번째 버전 발표와 맞물려, 유사한 검토 기술을 비공개 취약점 보고 및 보안 권고에 통합함으로써 이러한 교훈을 바탕으로 발전할 계획입니다. 또한, 자격이 되는 프로젝트에 AI 기반 보안 스캔 및 사전 인적 검토를 제공하기 위해 GitHub Secure Open Source Fund를 통해 지원 범위를 확장하는 계획도 포함되어 있습니다.