149 및 150 버전에서 수정된 보안 버그 수가 이전 23개

1,072개의 보안 버그가 Chrome 149 및 150 버전에서 수정되며 이전 23개 마일스톤 전체의 수정 합계를 넘어섰다. 최근 두 개의 Stable 릴리스 마일스톤에서 기록한 이 수치는 AI를 활용한 보안 버그 수정 속도가 이전의 작업 방식과 비교해 비약적으로 증가했음을 보여주는 구체적인 결과다.

Google은 2023년부터 LLM(대규모 언어 모델)을 보안 퍼징(소프트웨어 결함을 찾기 위해 무작위 데이터를 입력하는 테스트)에 도입해 성능과 커버리지를 높이는 방법을 개발했다. 2024년에는 Project Zero와 협력해 LLM이 취약점 연구를 수행할 때 사용할 수 있는 전문 도구를 제공하는 Naptime을 개발하며 AI의 분석 능력을 확장했다.

2025년에는 DeepMind 및 Project Zero와 협력하여 AI 취약점 발견 에이전트인 Big Sleep을 개발했다. Big Sleep은 V8 JavaScript 엔진과 그래픽 스택에서 실제로 버그를 찾아내는 성과를 거두며, AI 에이전트가 실제 브라우저 엔진의 핵심 구성 요소에서 취약점을 식별할 수 있음을 입증했다.

AI의 예기치 않은 동작을 방지하기 위해 인터넷 접속이 차단된

5월 한 달 동안 S1+ 등급의 심각한 이슈를 포함해 20개 이상의 취약점이 프로덕션 환경에 배포되는 것을 차단했다. Big Sleep과 CodeMender를 CI(지속적 통합, 코드 변경 사항을 자동으로 테스트하고 병합하는 시스템) 시스템에 통합해 24시간마다 보안 버그를 선제적으로 탐지한 결과다. 상시 가동되는 탐지 체계로 보안 결함의 유입 경로를 차단했다.

분석 과정은 일반 인터넷 접속이 없는 잠금 상태의 머신에서 정적 소스 코드만을 다루는 폐쇄형 환경에서 이뤄진다. 네트워크 요청을 가로채는 전용 설정을 도입해 허용 목록(Allowlist)에 기반한 요청만 처리하며 의심스러운 모델 활동은 모두 막는다. 서브 에이전트의 시스템 수정이나 지정된 디렉토리 외의 파일 접근 권한도 엄격히 제한한다. AI의 예기치 않은 동작이 시스템 전체로 확산되는 것을 방지하는 물리적, 논리적 제약 조건을 설정한 것이다.

기반의 에이전트 하네스를 통해 13년 동안 발견되지 않았던

보안 취약점 탐지 효율을 높이려는 개발팀은 2026년 초 구축된 Gemini 기반 에이전트 하네스(Agent Harness, AI 기반 자동화 테스트 도구)의 탐지 결과에 주목해야 한다. 이 시스템은 Chrome 코드베이스 전반에서 오탐률을 낮추고 효율을 높여 13년 동안 발견되지 않았던 샌드박스 탈출 버그를 찾아냈다. 특히 침해된 렌더러가 브라우저를 속여 로컬 파일을 읽게 만드는 심각한 버그가 코드베이스 내에서 13년 넘게 생존해 있었다는 사실을 식별했다. AI가 인간의 눈으로 찾기 힘든 장기 미발견 취약점을 정밀하게 찾아내는 단계로 진입했음을 보여준다.

AI와 규칙 기반 시스템을 결합한 자동화 트리아지(Triage, 보고된 버그의 우선순위 결정 및 분류) 프로세스는 매달 수백 시간의 개발자 시간을 절약하고 있다. 과거에는 단일 보안 보고서를 트리아지하는 과정이 주로 인간의 전문성에 의존했으며, 보고서 하나를 처리하는 데 5분에서 30분 이상의 시간이 소요됐다. 현재는 이 프로세스를 자동화하여 처리량과 정확도를 동시에 높였다. 보안 보고서 분석에 투입되던 인간의 리소스를 줄이고 대응 속도를 극대화한 결과다.

AI 기반 보안 파이프라인이 도입되면 버그 수정 속도가 비약적으로 빨라지며, 이에 따라 릴리스 주기가 주 2회 수준으로 가속화되는 '패치 갭' 단축 경쟁이 핵심이 된다.