Executive Summary
해킹을 막는 쪽에만 쓰는 AI 모델을 만들겠다는 회사가 기업 가치 10억 달러를 인정받았다. 텔아비브와 샌프란시스코에 본사를 둔 Corma(코르마)가 NEA 주도의 시리즈 A를 마감했다고 발표했다. 회사의 존재를 처음 알린 것이 올해 8월이니, 석 달 만의 일이다.
이 회사가 내세우는 논리는 공격과 방어가 같은 조건에서 싸우지 않는다는 것이다. 한 번만 성공하면 되는 쪽과 한 번도 놓쳐서는 안 되는 쪽은 애초에 이겨야 하는 횟수가 다르다. Corma가 스스로 공개한 교전 실험에서는 같은 범용 모델이 공격자 역할일 때 백도어를 심는 데 85% 성공했고, 방어자 역할일 때 그 공격을 찾아낸 비율은 19%에 그쳤다. 다만 이 숫자는 회사가 직접 낸 것이고, 바깥에서 같은 실험을 다시 돌려 본 기록은 아직 확인되지 않았다.
1절부터 4절까지는 보도와 회사 발표에 적힌 내용이다. 5절은 페블러스의 해석이다.
주요 수치
핵심 수치는 넷이다. 이번에 모은 돈, 시드에서 여기까지 걸린 시간, 그리고 회사가 근거로 내세운 교전 실험의 두 비율이다.
출처: Corma 보도자료와 이를 인용한 보도. 85%·19%는 회사가 공개한 자체 연구를 2차 보도로 확인한 값이다.
1억 2,500만 달러
이번 시리즈 A 조달액
NEA가 주도했고 기업 가치는 10억 달러로 매겨졌다. 누적 조달액은 1억 8,500만 달러다
석 달
시드에서 시리즈 A까지
8월 세콰이아 주도 6,000만 달러 시드로 회사를 처음 공개했다
85%
공격자 역할일 때 백도어 설치 성공률
Corma 자체 연구. 제3자가 같은 설계를 다시 돌려 본 기록은 확인되지 않았다
19%
방어자 역할일 때 공격 탐지율
같은 연구. 같은 모델의 사본끼리 붙인 경우에도 방어 쪽은 78%를 놓쳤다
이름을 알린 지 석 달, 투자자들은 왜 지금 움직였나
Corma는 11월 16일 1억 2,500만 달러 규모의 시리즈 A를 마감했다고 밝혔다. NEA가 주도했고 세콰이아, 코슬라, 코아튜가 함께 들어왔다. 기업 가치는 10억 달러로 매겨졌다. 8월에 세콰이아가 이끈 6,000만 달러 시드로 회사를 처음 공개했으니, 두 라운드를 합친 누적 조달액은 1억 8,500만 달러가 된다.
창업자이자 대표인 알론 플루다(Alon Pluda)는 이스라엘군 8200부대 출신이고, 그 전에 보안 회사 미고 시큐리티(Miggo Security)를 공동 창업했다. 본사는 텔아비브와 샌프란시스코 두 곳에 두고 있다.
속도가 눈에 띄는 이유는 지난 10월에 있었던 일들 때문이다. 보안 업계가 'Black October'라고 부른 그달에는 전 세계 웹 서버가 널리 쓰는 PHP 해석기에서 원격 코드 실행 취약점이 터졌고, GitLab과 Node.js에서도 제로데이가 잇따랐다. CNBC를 비롯한 매체들은 AI 에이전트가 사람 손을 거의 거치지 않고 100곳이 넘는 기업 사이트를 차례로 뚫은 'Cairn' 캠페인도 같은 달에 보고됐다고 전했다. 투자자가 보기에는 공격이 이미 빨라졌다는 증거가 한 달 치로 쌓인 직후다.
회사가 보도자료에서 자기 제품을 부르는 이름은 '사이버 방어를 위한 프런티어 파운데이션 모델'이다. 남이 만든 모델 위에 보안 기능을 얹는 데서 멈추지 않고 기반이 되는 모델 자체를 따로 짓겠다는 선언이다.
회사 보도자료는 포춘 500대 기업의 도입이 빠르게 늘고 있다고 적었고, 그에 맞춰 올해 서버 용량을 24배로 늘렸다고 밝혔다. 다만 어느 기업이 쓰고 있는지, 매출이 얼마인지는 공개하지 않았다.
공격은 한 번만 통하면 되고, 방어는 매번 전부를 막아야 한다
플루다가 투자 유치 과정에서 되풀이한 설명은 공격과 방어가 같은 도구를 쥐어도 같은 결과를 얻지 못한다는 것이다. 범용 모델은 코드를 쓰고 버그를 찾는 데 능한데, 그 두 가지가 바로 침입자에게 가장 필요한 능력이다. 막는 쪽이 하는 일은 성격이 다르다.
점수를 세는 방식부터 다르다. 공격하는 쪽은 여러 번 두드려 한 번만 열리면 성공이다. 막는 쪽은 그 모든 시도를 다 막아야 본전이고, 한 번 놓치면 실패다. 같은 도구를 양쪽이 똑같이 쥐어도 그 도구가 돌려주는 이득의 크기가 같지 않다.
Corma가 짚는 두 번째 이유는 보는 자료가 다르다는 점이다. 공격 쪽이 다루는 코드와 문서는 모델이 학습 과정에서 압도적으로 많이 본 종류의 글이다. 반면 방어 쪽이 종일 들여다보는 것은 감사 로그, 보안 이벤트, 네트워크 흐름 기록이다. 산문도 아니고 코드도 아닌, 기계가 기계에게 남긴 표 모양의 기록이다. 학습 자료에서 이런 기록이 차지하는 비중은 작고, 그래서 모델이 덜 미덥게 읽는다는 것이 회사의 설명이다.
이 설명을 따라가면 문제의 원인이 모델의 능력에서 자료의 성격으로 옮겨 간다. 코드 앞에서 보이던 솜씨가 로그 앞에서 나오지 않는 까닭을 읽어 본 양의 차이로 돌리고 있기 때문이다.
결론은 기업 안에 쌓이는 이런 기록으로 따로 학습한 모델이 필요하다는 것이다. 다만 이것은 그런 모델을 파는 회사가 내놓은 설명이기도 하다. 범용 모델과 방어 특화 모델을 같은 조건에서 견줘 본 외부 평가는 아직 공개된 것이 없다.
공격을 심는 데는 85%, 그 공격을 찾는 데는 19%
회사는 이 주장을 뒷받침하려고 자체 실험 결과를 내놓았다. 여러 업종이 섞인 가상의 기업망을 만들어 놓고 Claude Opus 4.8, GPT-5.5, Grok 4.3, DeepSeek V4 네 모델을 공격자와 방어자 자리에 번갈아 앉혀 241회를 붙였다.
공격자 자리에 앉은 모델이 백도어를 심는 데 성공한 비율은 85%였다. 같은 모델을 방어자 자리에 앉혔을 때 들어온 공격을 알아챈 비율은 19%였다. 두 숫자는 한 축 위의 앞뒤가 아니라 서로 다른 지표다. 85%는 공격이 통한 비율이고, 19%는 그 공격을 찾아낸 비율이다.
가장 날이 선 대목은 같은 모델의 사본끼리 붙였을 때다. 자기가 심은 공격을 자기가 찾아내야 하는 상황인데도 방어 쪽은 78%를 놓쳤다. 공급사를 가리지 않고 같은 모양이 나왔다는 것이 회사의 설명이고, 모델 한 종의 약점이 아니라 구조의 문제라는 주장의 근거로 쓰인다.
이 숫자들을 읽을 때는 출처를 함께 봐야 한다. 실험을 설계하고 수행하고 공개한 주체가 모두 Corma다. 회사가 올려 둔 원문 페이지는 이 글을 쓰는 시점에 열리지 않아, 수치는 이를 인용한 2차 보도로만 확인했다. 바깥 연구진이 같은 설계를 다시 돌려 본 기록도 아직 보이지 않는다. 지금으로서는 검증된 사실이 아니라 회사의 주장으로 두는 것이 맞다.
돈은 아직 공격 자동화 쪽에 더 몰려 있다
AI를 보안에 쓰겠다는 회사에 돈이 몰린 것은 Corma가 처음이 아니다. 다만 올해 큰 라운드를 받은 곳들을 나란히 놓으면 그 돈이 주로 어느 쪽으로 갔는지가 드러난다. 아래 표의 가운데 칸이 그 방향이다. 세 곳 가운데 둘은 공격을 자동화하는 도구를 만들고, 그중 Horizon3.ai 한 곳이 올해 받은 금액은 Corma의 누적 조달액보다 크다.
| 회사 | 방향 | 올해 공개된 조달 |
|---|---|---|
| Corma | 방어 전용 | 시리즈 A 1억 2,500만 달러(11월), 누적 1억 8,500만 달러 |
| Horizon3.ai | 공격 자동화(모의 침투) | 2억 5,000만 달러(8월), 기업 가치 20억 달러 이상 |
| XBOW | 공격 자동화(취약점 탐색) | 1억 2,000만 달러, 추가 3,500만 달러 |
▲ 각 사 발표와 보도에서 옮겼다. 조달 시점이 밝혀진 것만 괄호에 적었다
Horizon3.ai는 8월에 2억 5,000만 달러를 받으며 기업 가치 20억 달러를 넘겼고, 고객사가 6,500곳이 넘는다고 밝혔다. 이 회사의 NodeZero는 사람 대신 모의 침투를 돌려 어디가 뚫리는지 보여 주는 도구다. XBOW도 취약점을 자동으로 찾아내는 같은 계열이다. Corma처럼 방어만 하겠다고 선을 그은 곳은 아직 드물다.
페블러스가 이 소식에 주목하는 이유
Corma의 설명을 뒤집어 읽으면 질문 하나가 남는다. 범용 모델이 방어에 약한 이유가 감사 로그와 보안 이벤트를 적게 봤기 때문이라면, 방어 특화 모델을 작동하게 만드는 것은 결국 그 조직이 쌓아 둔 기록 그 자체다. 모델을 어디서 사 오든, 그 모델이 읽을 자료는 우리 안에 있다.
그런데 그 기록은 학습 자료가 되려고 쌓인 적이 없다. 로그는 사고가 난 뒤에 되짚어 보려고, 그리고 감사에 대비하려고 남긴다. 보관 기간은 저장 비용에 맞춰 정해지고, 같은 사건을 적는 필드 이름이 장비마다 다르며, 시각은 장비가 선 시간대를 따라간다. 수집기가 멈춰 있던 구간은 조용히 비어 있고, 스키마가 바뀐 날짜는 따로 적혀 있지 않은 경우가 많다.
이런 자료 위에 모델을 올리면 모델이 배우는 것은 공격의 모양이 아니라 우리가 기록을 남겨 온 습관이 된다. 어떤 장비의 로그가 유독 촘촘하면 그 장비 주변의 사건이 더 잘 보이고, 수집이 끊겼던 구간은 아무 일도 없었던 구간으로 읽힌다. 탐지율을 끌어올리는 일이 모델 교체보다 먼저 자료 정비에 걸리는 이유가 여기에 있다.
그래서 이 소식이 데이터를 다루는 사람에게 남기는 물음은 어느 모델을 고를 것인가가 아니다. 우리 조직의 로그가 지금 어떤 품질로 쌓이고 있는지, 어느 필드가 언제 뜻이 바뀌었는지 말할 수 있는지, 비어 있는 구간을 비어 있다고 표시해 두었는지다. 방어 특화 모델을 도입하기로 결정하는 순간, 그 모델이 읽을 자료는 이미 지난 몇 년 동안 쌓여 버린 뒤다.
검증 문제도 같은 자리에 있다. 85%와 19%는 회사가 자기 실험으로 낸 숫자이고, 바깥에서 같은 조건을 다시 만들어 확인할 길이 지금은 없다. 보안 제품의 성능을 측정하는 일이 어려운 이유도 결국 여기에 닿는다. 공격이 실제로 들어왔는지, 그것을 제때 찾아냈는지를 적어 둔 기록이 조직마다 다른 모양으로 남아 있기 때문이다. 방어 쪽 AI의 성능을 누가 어떤 자료로 매길 것인지는 아직 정해지지 않았다.
참고문헌
회사 발표
- 1.Corma. (2026). "Corma Raises $125M Series A at $1B Valuation...." Business Wire (via FinancialContent), 2026.11.16.
- 2.Corma. "corma.ai." 공식 사이트.
- 3.Corma. "Defensive Gap Research (DefenseBench)." 회사 자체 연구 — 원문은 작성 시점 접근 불가(404), 2차 보도로만 확인.
보도
- 4.Loten, A. (2026). "Corma, a Startup Building AI Models for Cyber Defense, Raises $125M Series A." The Wall Street Journal (via Techmeme), 2026.11.16.
- 5.The Register. (2026). "Stopping a cyberattack while walking your dog." 2026.08.16.
- 6.CNBC. (2026). "AI's 'Black October': PHP vulnerabilities trigger fresh wave of alarms." 2026.10.23.
- 7.CyberProof. (2026). "Black October 2026: Critical Vulnerabilities, Trusted Technology Under Attack." CyberProof Blog.
- 8.Dey, V. (2026). "Horizon3 Raises $250 Million As Cybersecurity's Next War Goes AI Vs. AI." Forbes, 2026.08.03.
- 9.Globes. (2026). "Defensive AI agents co Corma raises $125m at $1b valuation." 2026.11.16.