Cloudflare가 Anthropic Mythos를 테스트한 결과를 공개했습니다. 이미 코드를 자체로 작성하여 낮은 위험 취약점을 완전한 공격 체인으로 연결할 수 있었습니다.

동찰 Beating 감시에 따르면 Cloudflare은 오늘 Anthropic 내부 보안 프로젝트 Project Glasswing에 참여한 결과를 공개했습니다. 자체 50개 이상의 코드 저장소에 대한 테스트에서 Cloudflare은 Mythos Preview 보안 모델이 이전 대규모 모델의 병목 현상을 극복했다는 것을 확인했습니다. 이 모델은 고립된 시스템 결함을 발견하는 데 그치지 않고 여러 낮은 위험 취약점을 연결하여 자체적으로 코드를 생성하고 실행 가능한 공격 증명(PoC)을 작성할 수 있습니다.

이전의 Opus 4.7 또는 GPT-5.5는 테스트에서 종종 출력 취약점 분석 보고서에 머물렀습니다. Mythos는 샌드박스 폐쇄된 검증 능력을 갖고 있습니다. 이 모델은 취약점을 트리거하는 코드를 작성하고 컴파일하여 실행하는데, 실행에 실패하면 모델은 자동으로 오류 메시지를 읽고 가정을 수정하며 다시 시도하여 공격 체인을 완전히 해결할 때까지 계속합니다.

Cloudflare은 업계 일부 보안 팀이 패치 작업을 2시간 내에 완료해야 하는 극한 기준을 준수해야 했다고 밝혔습니다. 그러나 Cloudflare은 단순히 패치 시간을 단축하는 것만으로는 회귀 테스트를 건너뛰어 더 큰 시스템 장애를 유발할 수 있으며, 미래의 방어 초점은 코드의 연결성을 아키텍처 수준에서 차단해야 한다고 강조했습니다.

엔지니어링 스케줄링에서 Cloudflare은 단일 스트림 프로그래밍 적인 요소가 빠르게 컨텍스트를 고갈시키고 대규모 취약점 발견에 적합하지 않다는 것을 발견했습니다. 이에 대응하여 그들은 좁은 범위에서 취약점을 찾는 하나의 요소와, 다른 모델을 탑재한 다른 요소를 일치시켜 첫 번째 요소의 결론을 부정하는 병렬적인 대립 프레임워크를 구축했습니다. 이 대립 메커니즘은 모델 스캔 중에 발생하는 많은 잘못된 보고 잡음을 크게 필터링했습니다.

이번 테스트에서 사용된 것은 외부 제한이 없는 미리보기 버전이므로, Mythos는 매우 불안정한 내부 펜스를 드러냈습니다. 동일한 대상 코드에 직면할 때, 실행 환경의 컨텍스트 설명만 변경해도 모델이 실행을 거부하는 것에서 공격 페이로드를 직접 제공하는 것으로 바뀔 수 있습니다. Cloudflare은 모델이 자발적으로 생성한 내생성 펜스가 매우 취약하며, 향후 공개 배포 시 외부 방어선을 강제로 적용해야 한다고 경고했습니다.