OpenAI Daybreak at Block: AI 보안 성과, 트라이지 처리량 50% 향상 및 18분 패치 제안

OpenAI는 2026년 10월 14일에 Square, Cash App, Afterpay를 운영하는 회사인 Block이 OpenAI Daybreak 및 OpenAI Defense Factory를 포함한 OpenAI의 보안 도구를 사용하여 취약점 발견, 탐지 및 대응을 자동화하는 방법을 설명하는 고객 사례를 게시했습니다. 핵심 주장은 속도입니다. 이전에는 며칠 또는 몇 주가 걸리던 작업이 이제 몇 시간이 걸리며, Block은 트라이지 처리량 50% 향상, 인텔리전스 수집 및 조사 50% 증가, 분기당 약 1,100시간의 분석가 조사 완료를 보고했습니다.

이 게시물은 기술 문서나 제품 출시라기보다는 고객 사례 연구입니다. 모델 버전 번호, 벤치마크 방법론, 보고된 수치에 대한 독립적인 검증은 포함되어 있지 않습니다. 모든 수치는 OpenAI가 설명한 대로 Block 자체 보안 팀에서 나온 것입니다.

OpenAI가 발표한 내용

OpenAI는 OpenAI Defense Factory와 OpenAI Daybreak라는 두 가지 명명된 OpenAI 제품을 중심으로 Block의 보안 조직에 대한 고객 사례를 게시했습니다. Defense Factory는 AI가 인간 팀이 따라잡을 수 없는 규모로 취약점 발견, 탐지 및 대응을 처리하는 환경으로 설명됩니다. Daybreak는 Block 팀이 그 위에 구축하는 모델입니다.

Block의 최고정보보안책임자(CISO)인 James Nettesheim은 이러한 변화를 공격자 대 수비수의 이점 균형 재조정으로 설명합니다.

"AI는 인간의 의도에서 행동까지의 시간을 압축하고 있습니다. 한동안 공격자가 더 빠르고 민첩하기 때문에 공격자에게 이점이 있다고 가정되었습니다. 그러나 Daybreak와 같은 것과 OpenAI 도구의 발전으로 수비수는 불로 불을 맞서고 AI 채택의 빠른 속도를 따라잡을 수 있습니다."

Block이 모델 작업 방식을 설명하는 방법

Block의 보안 팀은 AI를 기존 자동화라기보다는 확장 가능한 팀원으로 특성화합니다. Nettesheim은 두 가지를 직접 대조합니다.

"핵심은 함께 확장할 수 있는 새로운 팀원을 갖는 것입니다. 단계별로 진행해야 했던 기존 자동화와는 다릅니다. 상당히 맞춤화되고 모호한 문제로 프롬프트하고 함께 해결할 수 있습니다."

게시물에 따르면 소프트웨어 버그 검토 또는 로그 분석과 같은 작업은 이전에 며칠 또는 몇 주가 걸렸지만 이제는 훨씬 짧은 시간에 완료되며 모든 결과를 사람이 검증합니다.

한눈에 보는 결과

OpenAI는 Block 보안 팀에 귀속된 다음 수치를 나열합니다.

지표	보고된 결과
제안된 탐지 변경 사항을 7개월 분량의 원격 측정 데이터로 재실행	1시간 미만
높은 수준의 취약점에서 자동 제안 패치까지 (최근 레드 팀 연습)	18분
팀에 반환된 오탐 트라이지 시간	분기당 약 600시간의 분석가 시간
완료된 조사 작업	분기당 약 1,100시간의 분석가 시간
트라이지 처리량	50% 향상
인텔리전스 수집 및 조사	50% 증가

탐지 튜닝: 7개월 분량의 원격 측정 데이터에 대한 변경 사항 재실행

Block의 탐지 튜닝 워크플로우는 모든 조사에 대한 원시 쿼리 증거를 저장합니다. 저장된 증거를 통해 팀은 제안된 탐지 변경 사항을 1시간 이내에 7개월 분량의 프로덕션 원격 측정 데이터에 대해 재실행할 수 있습니다. 게시물에 따르면 이 작업은 이전에 수백 건의 오래된 사례를 수동으로 다시 쿼리해야 했으며 시간이 많이 걸리기 때문에 종종 전혀 수행되지 않았습니다.

취약점 발견: 공격을 전체 침해 경로로 연결

기존 스캐닝 도구는 단일 취약점을 단독으로 플래그 지정합니다. 게시물에 따르면 Daybreak는 대신 공격 패턴에 대해 가설을 세우고 일련의 공격을 전체 종단 간 침해 경로로 연결하여 수년 동안 존재했을 수 있는 취약점을 표면화하는 데 도움이 됩니다.

게시물에 설명된 한 가지 예: 단일 랩톱의 경보는 그 자체로는 사소한 정책 문제처럼 보였습니다. 동료 검토 중에 모델은 증거에 우연히 나타난 표시를 따라 Block의 ID 로그와 결합하여 훨씬 더 큰 문제 집합을 표면화했습니다. 그 사례에 대한 Nettesheim의 요약:

"일상적인 엔드포인트 경보가 캠페인 제압이 되었습니다. 어떤 단일 도구도 그 연결을 만들지 않습니다. 신호는 두 제품의 로그에만 존재합니다."

레드 팀 결과: 2시간 대 며칠

최근 레드 팀 연습에서 모델은 내부 시스템에 대한 몇 가지 힌트를 받고 SQL 삽입, 권한 상승, 거점 확보, 자격 증명 열거, 다른 시스템으로의 피벗 등 전체 공격 경로를 약 2시간 만에 연결했습니다. 게시물에 따르면 이 작업은 일반적으로 인간 레드 팀원이 며칠이 걸린다고 명시되어 있습니다. 또한 최근 레드 팀 연습에서 높은 수준의 취약점 제출부터 자동 제안 패치까지 18분이 걸렸다고 보고합니다.

수정은 인간이 루프에 있습니다.

취약점 찾기는 수정 능력만큼만 유용합니다. Nettesheim은 모든 발견에 적용되는 일관된 프로세스를 설명합니다. 코드에서 문제가 있는 위치를 찾고 소유자를 식별한 다음 수정으로 이동합니다. 그의 말로는 팀은 "패치를 제안하고, 악용 가능성을 확인하고, 수정했는지 확인하고, 인간이 루프에서 안내하고 코드 변경 사항을 배포합니다."

게시물은 인간이 중심으로 남아 있는 이유를 명확히 설명합니다. 에이전트는 조직의 맥락이나 이전 결정 뒤에 있는 추론을 전달하지 않습니다. 인간이 그 맥락과 전략을 제공하고 Block 팀은 인간 검토 계층을 제공합니다. Nettesheim은 자율성에 대한 점진적 접근 방식을 설명합니다.

"더 민감한 시스템에 사용하기 위해 위험 수준을 천천히 높여갈 것입니다."

모델 라우팅 및 보안 하네스

Block은 어떤 모델이 어떤 작업을 처리할지 더 선택적으로 변했다고 보고합니다. Nettesheim은 관행의 변화를 언급합니다.

"우리는 최신 모델을 사용하곤 했지만 더 이상 그럴 필요가 없습니다. 다양한 작업에 다양한 모델을 선택하는 것은 학습 경험이었습니다."

Block의 보안 하네스는 Daybreak 위에 구축되어 작업을 적절한 모델로 라우팅합니다. 하네스에는 인간이 작업을 인수하고 에이전트가 서로의 작업을 검증할 수 있는 후크가 포함됩니다. 팀은 내부 벤치마크와 실제 성능에 대해 이러한 시스템을 지속적으로 평가하고 필요에 따라 접근 방식을 조정한다고 말합니다. 책임 있는 경로일 때 작업을 인간 검토로 라우팅하는 것도 포함됩니다.

다음 단계

탐지 및 대응 작업만으로도 이전에 오탐 트라이지에 사용되던 분기당 약 600시간의 분석가 시간이 반환되었습니다. Block은 이제 그 시간을 더 깊은 조사와 더 많은 자동화를 책임감 있게 구축하는 데 사용한다고 말합니다.

앞으로 Nettesheim은 애초에 도입되는 취약점 수를 줄이는 것을 지적하며, 이를 통해 보안 팀이 패치에 소요하는 시간을 줄이고 예방적이고 전략적인 작업에 더 많은 시간을 할애할 수 있다고 말합니다. 그는 더 넓은 의미를 접근성으로 설명합니다.

"OpenAI는 이러한 고급 기능을 모든 사람의 손에 넣음으로써 수비수에게 이점을 옮기고 있습니다. 일반적으로 매우 유명한 기술 회사와 정부에만 있었습니다. 그러나 중요한 인프라, 학교, 소규모 기업을 포함한 모든 사람이 이제 이 기술을 활용하여 네트워크를 방어할 수 있습니다."

출처가 말하지 않는 것

OpenAI의 게시물은 Daybreak 뒤에 있는 특정 모델 버전을 언급하지 않고, Defense Factory의 아키텍처나 가격을 설명하지 않으며, Block이 언급하는 내부 벤치마크를 공개하지 않습니다. 성과 수치는 Block이 자체 보고한 것이며 외부 감사 없이 제시되므로 독립적으로 측정된 평가라기보다는 공급업체가 게시한 고객 계정으로 읽어야 합니다.