LLM을 이용한 서비스 취약점 분석 자동화 #2

구조와 흐름

• LLM 기반 서비스 취약점 분석 자동화의 구현 과정과 운영 관점 정리
• 대용량 소스코드 전달 문제, SAST 결과 과다 문제, 비효율적인 경로 분석, 지속 가능성 문제를 단계적으로 개선
• MCP 서버, ctags·tree-sitter 인덱싱, SARIF 후처리, Multi-Agent와 Discovery 에이전트, 오픈 모델 전환으로 분석 체계 구성

선택 이유

• SAST를 취약점 판정 도구가 아니라 AI가 검토할 후보군 추출용 보조 도구로 활용
• 토큰 효율과 분석 범위를 함께 확보하기 위해 연속 라인 병합, 경로 선별, 모델 평가를 적용
• Claude Code·Codex 대비 비용 문제를 줄이기 위해 자체 호스팅 가능한 오픈 모델을 선택

트레이드오프

• Discovery 단계는 과탐을 어느 정도 허용해 미탐을 줄이는 방향으로 설계
• 소스코드 깊은 참조를 늘리면 정확도는 올라가지만 토큰 비용이 증가하는 구조
• 오픈 모델은 비용 측면에서 유리하지만 응답 포맷 불안정성을 보완할 장치가 필요

적용해볼 점

• 소스코드 인덱싱 서버와 MCP 기반 도구화로 원격 분석 환경을 확장하는 접근
• Pydantic·Instructor로 LLM 출력 형식을 검증하고 자동 보정하는 방식
• LLM 성능이 빠르게 변하는 만큼 분석 기술보다 확장 가능한 인프라에 집중하는 전략