시스코의 소형 오픈 사이버 보안 모델을 통한 보안 시장 공략

주장시스코는 소형 오픈 소스 사이버 보안 모델이 대형 언어 모델보다 취약점 탐지에서 뛰어난 성능을 보인다고 판단합니다. 이는 거대 모델이 가진 높은 운영 비용과 보안 우려를 동시에 해결하려는 전략입니다.

팩트시스코는 안타레스-350M과 안타레스-1B라는 두 가지 소형 인공지능 모델을 공개했습니다. 이 모델들은 소프트웨어 코드 내의 취약점을 찾아내는 작업에 특화되어 있습니다.

팩트안타레스 모델의 성능은 대형 인공지능 에이전트와 비교해 비용 효율성 면에서 두드러집니다. 개발자 아만 프리얀슈는 안타레스 모델이 코그니션의 데빈 시큐리티 스웜보다 달러당 약 150배 더 많은 취약점을 탐지한다고 밝혔습니다.

팩트시스코의 자체 테스트 결과에 따르면 안타레스는 500개의 코드 저장소를 15분 만에 1달러 미만의 비용으로 스캔했습니다. 반면 지피티-5.5는 동일한 작업에 5시간이 소요되었으며 비용은 100달러를 초과했습니다.

주장시스코는 모델이 로컬 환경에서 실행된다는 점을 강조합니다. 민감한 코드가 외부로 유출되지 않으므로 기업 보안 환경에 적합합니다.

팩트안타레스 모델은 학습 데이터의 약 72퍼센트를 보안 개념 데이터로 구성했습니다. 나머지 15퍼센트는 코드 검색 기록을 활용하여 학습했습니다.

팩트시스코는 30억 개의 파라미터를 가진 더 큰 규모의 모델을 내부 제품용으로 별도 운영합니다. 이 모델은 지피티-5.5와 유사한 성능을 내면서도 훨씬 작은 규모를 유지합니다.

주장시스코는 오픈 인공지능 보안 도구 생태계를 조성하기 위해 산업 컨소시엄 구성을 검토합니다. 이는 보안 기술의 표준화를 이끌고 오픈 소스 생태계를 확장하려는 의도입니다.

교차검증대형 모델은 범용적인 추론 능력에서 강점을 보입니다. 특정 도메인에 최적화된 소형 모델은 특정 작업의 효율성 측면에서 대형 모델을 압도할 수 있습니다.

교차검증복잡한 다중 단계 보안 분석에서는 여전히 대형 모델의 성능이 필요할 수 있다는 한계가 존재합니다. 특정 작업의 효율성과 범용적 분석 능력 사이의 균형이 중요합니다.

주장시스코는 이번 모델 공개를 통해 기업 고객에게 비용 절감과 보안 강화라는 두 가지 가치를 동시에 제공하고자 합니다. 향후 보안 시장에서 소형 모델의 영향력이 확대될 것으로 전망합니다.

출처더 디코더(The Decoder)와 허깅페이스(Hugging Face), 악시오스(Axios) 보도 자료를 통해 위 내용을 교차 검증했습니다.