최근 AI 에이전트(agentic AI) 기술이 빠르게 발전하면서, 이들이 가진 새로운 보안 위협에 대한 우려도 커지고 있습니다. 기존 소프트웨어 취약점 표준인 CVE나 OSV는 특정 제품 버전의 결함을 식별하는 데 초점을 맞추지만, AI 에이전트의 경우 '무엇을 하는지'에 따라 위험이 결정되는 행동 기반의 취약점이 많아 기존 방식으로 탐지하기 어려웠습니다. 이러한 간극을 메우기 위해 'AVE'라는 새로운 행동 분류 표준이 등장했습니다.
AVE는 AI 에이전트 구성 요소(예: 스킬 파일, 시스템 프롬프트, 에이전트 플러그인)에서 발생할 수 있는 악의적인 행동 패턴에 안정적인 식별자(ID)를 부여하고, OWASP AIVSS v0.8 점수 체계를 활용해 위험도를 평가합니다. 예를 들어, '외부 설정 페치를 통한 변형 페이로드(Metamorphic Payload via External Config Fetch)' 같은 공격 방식에 'AVE-2026-00001'과 같은 고유 ID를 부여하고, AIVSS 8.0점(높음)으로 평가하는 식입니다. AIVSS는 CVSS(Common Vulnerability Scoring System) 기본 점수에 '자율성(Autonomy)', '도구 사용(Tool Use)', '다중 에이전트(Multi-Agent)' 등 10가지 AI 에이전트 특유의 위험 요소를 반영한 AARS(Agentic Amplification and Reachability Score)를 결합하여 산정됩니다. 이렇게 분류된 정보는 OWASP MCP Top 10, MITRE ATLAS 등 기존 보안 프레임워크와 연동되어 보안팀이 쉽게 이해하고 대응할 수 있도록 돕습니다.
AVE는 단순한 제품이 아닌 표준이며, 'bawbel-scanner'는 이를 구현한 참조 스캐너입니다. 개발자는 CI/CD 파이프라인에 bawbel 스캐너를 통합하여 코드 배포 전에 AI 에이전트의 스킬 파일이나 프롬프트에서 프롬프트 주입(prompt injection)과 같은 잠재적 위협을 자동으로 탐지하고 차단할 수 있습니다. 이는 AI 에이전트가 악성 페이로드를 실행하여 데이터 유출, 자격 증명 탈취, 목표 하이재킹 등으로 이어지는 것을 방지하는 데 핵심적인 역할을 합니다. AVE 표준의 도입은 AI 에이전트의 안전한 개발과 배포를 위한 필수적인 인프라를 제공하며, AI 시스템의 신뢰성을 높이는 데 크게 기여할 것입니다.