2026년 6월 17일, 서울에서 공익 AI 보안 이니셔티브 '프로젝트 캐노피(Project Canopy)'가 공식 출범했다. 화이트해커 지원 사단법인 프로젝트 플라즈마(이사장 이태희)가 주축을 맡고, 박세준 티오리 대표가 위원장을 맡았다. 현대차그룹·삼성·LG·SK 계열사를 포함해 27개 기업·기관이 런칭 파트너로 이름을 올렸다.
캐노피는 스스로를 '한국판 글래스윙(K-Glasswing)'으로 규정한다. 앤트로픽이 최상위 보안 특화 모델 '미토스'를 검증된 기관에만 선제 제공하는 폐쇄형 협력체 글래스윙을 운영하는 데 대해, 캐노피는 특정 모델 하나에 의존하지 않는 개방형·하이브리드 구조를 표방한다. 명분과 타이밍은 분명하다. 그러나 구조를 뜯어보면 기대만큼 우려도 크다.
1. 출범 당시 캐노피의 실체
| 항목 | 내용 |
|---|---|
| 출범일 | 2026년 6월 17일 (서울) |
| 주관 | 사단법인 프로젝트 플라즈마 / 위원장 박세준(티오리 대표) |
| 참여 규모 | 27개 기업·기관 (비공개 3곳 포함) |
| 핵심 운영주체(Stewards) | 두나무, LG유플러스, 포스코DX, 티오리한국, 한화손해보험 |
| 확산 파트너 / 연구협력 | 광운대, 금융결제원, 롯데카드, 모두싸인, 무신사, 사람인, 삼성화재, SK AX, LG전자, NHN, 우아한형제들, IITP, 코웨이, 하나카드, 한국투자증권, 현대차그룹, 현대카드 등 |
| 재원 | 약 30억 원(USD 200만) 규모 AI 보안 분석 크레딧, 전액 기부금 형태 |
| 3대 프로그램 | ① 오픈소스 메인테이너 무상 점검 크레딧 ② 민생 인프라(조달청·기상청·법원·지자체·병원·학교·NGO) 방어 ③ 협력 공개·패치 보상 |
| 시범 점검 대상 | 전자정부표준프레임워크, 학교 내부 시스템, 리눅스, 주요 DB 소프트웨어 |
| 로드맵 | 6월 중순 1차 거버넌스 → 7월 초 공개 가입 → 3~6개월 내 아시아·유럽·북미 확장 |
규모를 직시하자. 재원 30억 원을 27개 참여 주체와 3개 프로그램에 나누면, 산술적으로 주체당 1억 원 남짓이다. 글로벌 인프라·민생 인프라·오픈소스 생태계를 동시에 지키겠다는 선언적 목표에 비하면 종잣돈(마중물) 수준이다. 위원장 스스로도 "생태계 조성을 위한 마중물"이라고 규정했다. 문제는 이 마중물이 어디로 흘러가느냐다.
진짜 저렴하게 개발했다는 딥씨크의 예를 들어보자. 딥시크가 가장 주목을 받은 이유는 ‘가성비(가격 대비 성능)’ 넘치는 AI라는 점에서 유명하다. 딥시크 측은 특정 작업시 문제 해결에 필요한 AI만 활성화하는 ‘MoE(전문가 혼합)’ 기법 등 효율성을 극대화 하는 방식들을 택해 비용을 줄일 수 있었다. 이런 방식으로 모델 훈련에 투입한 비용이 557만6000달러(약 80억원)으로 시장에 충격을 줬다. 딥시크의 주장이 사실이라면 오픈AI의 GPT-4 개발 추정 비용의 18분의 1, 메타의 라마3 개발 비용의 10분의 1정도 수준으로 업계에서 가성비로 소문나 있다. 하지만, NVida GPU 구매와 데이터센터 구축에 천문학적인 자금을 사용했다. 3일 전, 딥시크(DeepSeek)는 최근 약 500억 달러(약 75조 원) 이상의 기업 가치를 인정받으며 총 11조 원 규모의 대규모 첫 외부 투자를 유치했습니다. 텐센트, CATL 등이 참여했다. 제대로된 LLM을 위해서는 돈을 크리넥스 티슈 뽑아쓰는 느낌으로 돈을 써야 한다.
2. 기대하는 점 - 왜 지금 캐노피인가?
캐노피의 등장 배경은 우연이 아니다. 직접적 방아쇠는 미토스 수출통제 사태다.
- 6월 2일: 앤트로픽이 글래스윙 참여 대상을 15개국·약 150개 기관으로 확대. 국내에서는 KISA, 삼성전자, SK하이닉스, SK텔레콤 등이 미토스 접근권을 확보.
- 6월 12일(현지시간): 미 정부가 국가안보 당국 지침을 근거로 '미토스5'·'페이블5'에 대한 외국 국적자 접근을 전면 차단. 해외 접속자는 물론 미국 거주 외국인, 앤트로픽 소속 외국인 직원까지 적용.
- 결과: 한국이 글래스윙에 합류한 지 약 열흘 만에 미토스 접근권이 사실상 무력화.
즉 캐노피는 "최고 성능의 외산 AI는 동맹국에도 언제든 차단될 수 있다"는 사실이 실증된 직후, 그 공백을 메우려는 자발적 민간 연합이다. 이 점에서 캐노피의 문제의식은 정확하다. AI가 취약점을 찾는 속도는 공격자와 방어자에게 동일하게 주어지지만, 이를 패치할 여력은 조직마다 다르다. 보안 예산과 인력이 부족한 병원·학교·공공기관·오픈소스 메인테이너를 우선 지원한다는 방향성도 옳다. AI 보안 위협이 한 조직의 단독 대응 범위를 넘어섰다는 진단 자체에는 이견이 없다.
3. 우려하는 지점 - '예산 나눠 먹기'와 '외산 의존의 하이브리드 세탁'
문제는 실행 구조다. 두 가지 리스크가 있다.
(1) LLM 스타트업 보안회사보다 작은 예산
30억 원을 27개 주체에 분산하는 순간, 캐노피는 '역량 구축' 사업이 아니라 '크레딧 배분' 사업으로 전락할 위험이 있다. 30억원이 얼마나 작은 예산인지 살펴보면, TOSS 본사는 2025년 정보보호에 159억 8048만 원을 했고 토스증권은 약 82억 8900만 원을 사용했다. 정통 인터넷 뱅크인 토스뱅크는 당기순이익 대비 정보보호 예산 비중이 26.2%이다.
참여 기업 다수는 이미 자체 보안 예산을 가진 대기업, 금융사다. 정작 종잣돈이 필요한 곳은 민생 인프라인데, 운영 거버넌스의 의사결정권은 스튜어드(대기업 5곳)에 집중돼 있다. 공익 기금이 참여 대기업의 보안 점검 비용을 대신 치러주는 구조로 흐른다면, 명분은 공익이되 실질은 사익 보조금이 된다. 집행 내역을 투명 공개하겠다는 약속은 필요조건이지 효율적인 예산 배정이 될 수 없다.
(2) '하이브리드'라는 이름의 외산 의존 세탁
캐노피의 차별점은 "특정 AI 모델 하나에 의존하지 않고 활용 가능한 모든 AI 기술을 총동원한다"는 데 있다. 그러나 '활용 가능한 모든 AI'가 사실상 전부 미국산이라면, 하이브리드는 단일 의존을 다중 의존으로 바꿨을 뿐 종속의 본질은 그대로다. 미토스가 막히자 GPT나 다른 외산 프런티어 모델로 갈아타는 것은 대체이지 자립이 아니다. 수출통제는 한 회사의 한 모델에 국한된 정책이 아니라, 미국이 최첨단 AI를 '전략자산'으로 분류하기 시작했다는 신호다. 같은 일은 언제든 다른 모델, 다른 회사로 번질 수 있다. 그리고 학습된 데이터가 결국 미국의 데이터센터에 있을 가능성이 높기 때문에 아무리 동맹이라도 결정적일 때 악용될 수 있다.
4. 핵심 — LLM이 미국산이면, 동맹이어도 맞지 않는다
여기서 데이터 주권 문제를 정면으로 짚어야 한다. 보안 취약점 분석은 일반 챗봇 질의와 본질이 다르다.
취약점 분석을 외산 파운데이션 모델에 태운다는 것은, 아직 패치되지 않은 0-day 취약점 정보 — 즉 우리 핵심 인프라가 어디서 가장 약한지를 보여주는 지도 — 를 외국 관할권의 모델에 흘려보낸다는 뜻이다. 전자정부표준프레임워크, 금융결제원, 법원, 병원 시스템의 미패치 약점이 그 대상이다. 이때 발생하는 위험은 세 층위다.
킬 스위치 위험. 미토스 사태가 증명했듯, 모델 접근권은 외국 정부의 정책 변경 한 줄로 사라진다. 가장 보안이 절박한 순간에 도구가 차단될 수 있다.
데이터·로그 위험. 모델 가중치, 추론 로그, 데이터 보존 정책이 모두 미국 관할권 아래 있다. 우리의 취약점 인텔리전스가 어떻게 저장·활용되는지에 대한 통제권이 우리에게 없다.
분석 렌즈 위험.학습 데이터가 미국 손에 있다는 것은, 모델이 무엇을 '취약점'으로 보고 무엇을 놓치는지의 판단 기준 자체가 외부에서 설계됐다는 의미다.동맹은 주권이 아니다. 동맹국도 자국의 국가이익에 따라 움직이며, 미토스 수출통제는 그 사실을 가장 가까운 우방인 한국에 가장 분명하게 보여줬다. "글로벌과 협력하되 유사시엔 자체 역량이 있어야 한다"는 소버린 AI 논의가 사태 직후 재점화된 것은 이 때문이다. 보안 주권은 동맹의 선의에 위탁할 수 있는 영역이 아니다.
5. 대안 — 마중물을 '소버린 보안 파운데이션 모델'에 집중하라
캐노피가 진짜 공익 인프라가 되려면, 30억 원을 27곳에 흩뿌리는 대신 자립 역량 한 점에 집중 투자해야 한다. 구체적 제안은 다음과 같다.
| 구분 | 현재 캐노피(외산 크레딧 배분형) | 제안(소버린 역량 구축형) |
|---|---|---|
| 핵심 자산 | 외산 모델 API 크레딧 | 보안 특화 국산 파운데이션 모델 |
| 데이터 거취 | 외국 관할권 통과 | 온프레미스·에어갭, 국내 잔류 |
| 지속성 | 외국 정책에 종속 | 정책 변경에도 운영 가능 |
| 30억 원의 역할 | 점검 비용 보조금 | 자립 역량 시드 캐피털 |
| 결과물 | 일회성 점검 리포트 | 재사용 가능한 국가 취약점 인텔 자산 |
세 가지 축이다.
- ① 보안 특화 국산 모델. 범용 성능에서 미토스를 이기려는 무모한 경쟁이 아니라, 취약점 탐지·패치 검증이라는 좁은 도메인에 파인튜닝한 모델. 국내 오픈 모델 또는 보안 특화 베이스를 출발점으로 삼을 수 있다.
- ② 데이터 주권 보장 배포. 취약점 데이터가 국경을 넘지 않도록 온프레미스·에어갭 환경에서 구동. 이것이 캐노피가 외산 글래스윙과 차별화할 수 있는 진짜 지점이다.
- ③ 국가 취약점 인텔 저장소. 점검 결과를 일회성 리포트로 소진하지 않고, 주권적으로 축적·재사용하는 자산으로 전환.
캐노피의 종잣돈은 외산 모델의 점검 단가를 대신 내주는 데 쓰일 때 가장 빨리 증발하고, 국산 자립 역량의 첫 삽을 뜨는 데 쓰일 때 가장 오래 남는다.
6. 빠진 한 축 — LLM 개발사의 참여가 필수다
마지막으로, 캐노피 파트너 구성에서 가장 큰 공백을 지적해야 한다. 취약점 분석용 AI를 제대로 운용하려면, 보안 전문가만으로는 부족하다.
현장의 화이트해커·CERT·보안 벤더는 취약점 그 자체에는 정통하다. 그러나 상당수는 LLM이 실제로 어떻게 구동되는지 — 어텐션이 어떻게 작동하는지, 학습 데이터 구성이 출력을 어떻게 편향시키는지, 모델이 어느 지점에서 취약점을 '발견'하고 어느 지점에서 환각(hallucination)을 일으키는지, 프롬프트 인젝션 표면이 어디인지, 평가(eval) 방법론을 어떻게 설계해야 하는지 — 에는 정통하지 않다. 반대로 LLM 개발사는 모델 내부는 알지만 보안 도메인의 실전 맥락은 모른다.
AI 기반 취약점 분석은 이 두 전문성이 교차하는 지점에서만 신뢰성을 갖는다. 모델의 출력을 검증 없이 진실로 받아들이면, 보안 분석은 오탐과 환각의 위험에 그대로 노출된다. LLM은 엑셀이지 오라클이 아니다. 계산기의 작동 원리를 모르고 결과만 신봉하면 재앙이 된다.
그런데 현재 캐노피의 스튜어드와 파트너는 보안 기업·대기업·CERT 중심이고, 정작 모델을 만들고 그 내부를 아는 LLM 개발사(특히 국산 파운데이션 모델 팀)의 비중이 적다. 이 구조에서 캐노피는 'AI 보안 역량 구축체'가 아니라 'AI API 소비자 연합'에 머무를 공산이 크다.
따라서 제언은 명확하다. 캐노피는 보안 전문가 풀에 더해 LLM 개발사를 핵심 스튜어드로 끌어들여야 한다. 모델의 구동 방식과 취약점 탐지 메커니즘, 평가 설계를 함께 책임질 수 있는 주체가 거버넌스 안에 있어야, 비로소 외산 의존을 벗어난 자립적 분석 역량이 가능해진다. 이는 5번에서 제안한 소버린 모델 전략과도 한 몸이다 — 모델을 만들 줄 아는 주체가 없으면, 주권 모델도 없다.
맺음 — 대한민국의 보안이라는 지붕은 누가 떠받치는가?
캐노피라는 이름은 '숲의 지붕'을 뜻한다. 비와 햇빛을 막아 생태계를 지키겠다는 비유는 아름답다. 그러나 지붕은 기둥이 떠받친다. 그 기둥이 외국에서 빌려온 것이라면, 빌려준 쪽이 거둬가는 순간 지붕은 무너진다. 미토스 수출통제는 바로 그 기둥이 얼마나 쉽게 회수되는지를 보여줬다.
캐노피의 방향은 옳다. 다만 30억 원을 나눠 먹는 보조금이 아니라 자립의 시드로 쓰고, 외산 하이브리드가 아니라 데이터 주권을 지키는 국산 보안 모델로 향하며, 보안 전문가와 LLM 개발사가 한 거버넌스에서 교차할 때, 비로소 캐노피는 빌린 지붕이 아니라 우리가 세운 지붕이 된다.
본 칼럼은 2026년 6월 17~18일 보도된 프로젝트 캐노피 출범 및 미토스 수출통제 관련 공개 자료를 토대로 작성되었으며, 분석과 제언은 필자의 견해다.