2024년 취약 구성요소 다운로드 약 95%, 당시 수정 버전 존재

핵심 요약

  • 클린스타트가 소프트웨어 의존성 신뢰 보고서를 공개했다. AI의 의존성 추천과 노후 구성요소의 위험을 짚고, 소프트웨어를 사용하기 전 출처와 무결성을 검증할 것을 권고했다.

클린스타트(CleanStart)가 11월 17일 공개한 ‘소프트웨어 의존성 신뢰 현황 2026’ 보고서에서 테스트한 AI 생성 의존성 추천 가운데 유효하면서 알려진 취약점도 없는 비율은 20%에 그쳤다. 보고서는 AI를 활용한 개발과 노후 구성요소, 상위 공급 단계의 공격이 소프트웨어 공급망 보안에 미치는 위험을 다뤘다.

보고서에 따르면 AI 모델이 실시간 레지스트리 데이터를 근거로 추천하도록 하자 위험도가 높거나 심각한 수준인 추천이 약 70% 줄었다. 감사 대상 애플리케이션은 평균 1180개의 오픈소스 구성요소를 사용했으며, 64%는 다른 의존성을 통해 간접적으로 도입됐다. 구성요소의 68%는 2년이 넘었고, 41%는 최신 버전보다 10개 버전 이상 뒤처졌다. 감사한 상용 코드베이스 947개에서 관찰한 구성요소 중 17%는 일반적인 패키지 관리자의 관리 범위 밖에 있었다.

감사 대상 코드베이스당 평균 취약점 수는 280개에서 581개로 107% 늘었다. 다만 취약점이 포함된 코드베이스 비중은 86%에서 87%로 변해, 평균 취약점 증가가 영향을 받는 애플리케이션 수의 비슷한 증가를 뜻하지는 않았다. 별도로 분석한 2024년 레지스트리 이용 데이터에서는 취약한 구성요소 다운로드의 약 95%가 다운로드 당시 수정 버전을 이용할 수 있었던 것으로 나타났다.

유지보수 역량과 공급망 공격도 과제로 꼽혔다. npm 외 주요 오픈소스 프로젝트 47개를 별도로 검토한 결과, 40%에서는 소수 개발자가 대부분의 커밋을 담당했다. 보고서는 탈취된 배포 자격증명, 악성 설치 스크립트, 조작된 CI/CD 인프라가 연루된 공급망 사고를 살피고, 악성 패키지 활동의 규모와 SBOM 요구사항을 생성·활용·적용하는 과정의 어려움도 다뤘다.

니레시 자인(Nilesh Jain) 클린스타트 최고경영자이자 공동창업자는 “소프트웨어 보안은 취약점을 찾는 데서 시작하고 끝나서는 안 된다. 조직은 자사 환경에 무엇을 들여오는지, 그것이 어디에서 왔는지, 그 무결성을 검증할 수 있는지 알아야 한다”고 말했다. 이어 “특히 AI로 소프트웨어 개발이 빨라지면서 의존성 도입의 양과 속도는 더욱 늘어날 것이다. 업계는 도입 후 알려진 위험을 관리하는 데서 소프트웨어를 사용하기 전에 신뢰를 확보하는 방향으로 전환해야 한다”고 밝혔다.

보고서는 가장 널리 재사용되거나 영향이 큰 이미지·라이브러리·런타임·패키지부터 검증할 것을 권고했다. 식별 정보, 출처, 이력, 무결성, 보안, 유지보수, 정책에 관한 최소 증빙 요건을 마련하고, 이를 여러 애플리케이션에서 재사용하며 기존 개발자·AI 작업 흐름에서 접근할 수 있게 해 팀별 반복 평가 부담을 줄이자는 제안이다. 클린스타트는 검증된 재사용 가능 소프트웨어 기반을 제공하는 Clean Images와 Clean Libraries에 이 모델을 적용한다. 이 접근법은 지속적인 스캔, SBOM 생성, 취약점 수정, 런타임 통제를 보완하며 구성요소·위협·조직 요구사항의 변화에 맞춘 검토를 수반한다.

보고서는 소프트웨어 구성, 취약점 수정 지연, 산업·지역별 차이, 상위 공급 단계의 공격, 유지보수 담당자의 역량, AI 활용 개발 등을 10개 부문으로 분석했다. 공개된 감사·설문조사·생태계 이용 데이터·사고 보고·정책 자료를 종합했으며, 전체 참고문헌과 방법론의 한계도 포함했다.

인공지능(AI)과 스타트업 분야의 주요 소식을 전합니다.