컨테이너 격리를 넘어, Edera가 하이퍼바이저 계층에서 AI 에이전트를 제한한다
서론
AI 에이전트는 실험용 도구를 넘어 기업 시스템을 직접 다루는 실행 주체로 이동하고 있다. 코딩 에이전트는 저장소를 수정하고, 모델 컨텍스트 프로토콜(MCP) 서버는 대규모 언어 모델을 기업 도구와 데이터베이스에 연결한다. 그러나 에이전트가 작업을 수행하도록 API 토큰, 클라우드 키, 관리자 인증 정보를 실행 환경에 넣으면 공격 표면도 함께 커진다.
프롬프트 인젝션, 악성 도구, 공급망 공격으로 에이전트의 행동이 바뀔 경우, 원래 작업에 필요했던 인증 정보가 다른 시스템으로 확장되는 통로가 될 수 있다. Edera는 컨테이너 경계에만 의존하지 않고 하이퍼바이저와 런타임 계층에서 객체 능력을 세밀하게 제한하는 방안을 제시한다.
핵심 내용
- 권한과 인증 정보의 분리: 에이전트에 개인 액세스 토큰이나 관리자 비밀번호를 직접 전달하지 않고, 통제된 경로를 통해 허용된 작업만 요청하게 한다.
- 더 낮은 계층에서 강제: 객체 능력 제어를 하이퍼바이저 계층에서 수행해 환경 변수나 설정 파일에 정적 비밀값을 저장하는 설계를 보완한다.
- 작업 단위의 범위 제한: 예를 들어 코딩 도우미가 전체 계정이 아니라 특정 GitHub 저장소 하나만 수정하도록 제한할 수 있다. 침해가 발생해도 예상되는 영향 범위를 해당 능력 안에 묶는 방식이다.
- 런타임 구성 요소의 역할 분담: capcurl은 인증 자료를 노출하지 않은 채 승인된 API 요청을 전달하고, capsudo는 지속적인 root 또는 관리자 권한 없이 제한된 특권 명령을 실행하도록 관리한다. SPIFFE와 SPIRE는 암호학적으로 검증 가능한 워크로드 신원을 제공한다.
- MCP 서버에도 적용: MCP 서버가 접근할 외부 리소스와 명령을 명시적으로 정해 모델의 비정상 동작이나 프롬프트 인젝션의 영향을 줄인다.
의미와 남은 과제
일반적인 컨테이너 보안은 프로세스 격리와 함께 환경 변수나 파일을 통한 비밀값 주입을 활용한다. 하지만 언어 모델이 동적으로 행동을 생성하는 에이전트 환경에서는 실행 중인 토큰이 탈취되거나 재사용될 가능성을 더 신중하게 다뤄야 한다.
Edera가 제안하는 변화의 핵심은 넓은 시스템 접근권을 부여하는 비밀값을 공개하지 않고, 필요한 동작만 승인하는 데 있다. 이는 저장소, 내부 서비스, 데이터베이스에 연결되는 기업용 코딩 에이전트와 MCP 배포에서 특히 중요하다.
물론 이 모델만으로 문제가 모두 해결되는 것은 아니다. 조직은 어떤 능력을 허용할지 정의하고, 프록시의 결정을 감사하며, 권한을 철회하고, 하이퍼바이저와 오케스트레이션 계층을 연동해야 한다. 제공된 자료에 따르면 범위가 제한된 명령 실행과 워크로드 신원 기능은 초기 공개됐다. 인증 정보 프록시 기반 API 접근과 오케스트레이터와의 심층 통합은 Project Lunchbox의 후속 작업으로 추진될 예정이다.
자율형 소프트웨어의 안전성은 모델이 신뢰할 만한 답변을 내놓는지에만 달려 있지 않다. 인프라가 에이전트가 실제로 접근할 수 있는 리소스, 명령, 객체를 제한해야 한다. 광범위한 인증 정보 대신 작업별 능력을 부여하는 설계는 AI 에이전트의 장애와 침해 범위를 줄이는 중요한 엔지니어링 방향이 될 수 있다.
댓글
로그인 상태 확인 중…
댓글 불러오는 중…