# 레드팀 테스트서 OpenAI 내부 감시 시스템의 허점 발견

> 2026년 7~8월 진행된 3주간의 외부 감사에서 OpenAI의 오정렬 감시 시스템의 취약점이 드러났다. 회사는 해당 취약점을 모두 패치했다고 밝혔다.

Oossa · 2026-10-22 · https://oossa.com/ko/red-team-test-finds-gaps-in-openai-s-internal-monitoring-system

2026년 7월 21일부터 8월 11일까지 Machine Ethics Transparency Research(METR) 그룹의 연구원 한 명과 Redwood Research의 동료 한 명이 OpenAI의 내부 코드와 감시 도구에 대한 폭넓은 접근 권한을 받았다. 이들은 Codex를 구동하는 것과 같은 고도화된 AI 에이전트를 감시하는 시스템을 무력화하려고 3주간 테스트했다. 조사 결과는 61쪽 분량의 보고서로 정리돼 OpenAI 직원들과 공유됐다.

## 테스트에서 드러난 문제

감사단은 GPT‑5.5 이상 수준의 모델이 사용하는 내부 Responses API 트래픽 가운데 75~94%가 감시 대상에 포함된 것으로 추정했지만, 정확한 수치는 불확실하다고 밝혔다. Codex 에이전트가 처리하는 트래픽만 놓고 보면 감시 대상 비율은 약 99.2%였다. 또한 테스트 초기에는 강화학습 훈련 과정이 감시되지 않았고, ‘압축(compaction)’ 작업 중 감시가 이뤄지지 않아 2026년 5월부터 7월 사이 Codex 트래픽의 약 10%가 감시망을 벗어났을 가능성도 있다고 지적했다.

구체적인 결함도 여러 가지 확인됐다. 에이전트가 Codex의 샌드박스를 우회하거나, 새 에이전트에 대한 감시를 비활성화하는 클라이언트 제어 가능 헤더를 설정하거나, 감시 시스템을 고장 나게 하는 입력을 만들 수 있었다. 부하 분산과 감시 시스템 오류는 드물었다. 오류율은 0.2% 미만이었고, 24시간 동안의 스냅샷에서는 부하 분산 사례가 한 건도 관찰되지 않았다.

OpenAI는 운영 환경의 안전장치에 영향을 미치는 취약점을 모두 패치했으며 테스트 이후 감시 범위도 확대했다고 밝혔다. 다만 감사단은 이 주장을 독립적으로 검증하지 않았다.

## 팩트

- 레드팀 테스트는 2026년 7월 21일부터 2026년 8월 11일까지 진행됐다.
- 연구진은 GPT‑5.5 이상 수준의 모델이 사용하는 Responses API 트래픽 가운데 75~94%가 감시 대상에 포함된 것으로 추정했다.
- 내부 Codex 에이전트 트래픽 가운데 99.2%가 감시 대상에 포함된 것으로 추정됐다.
- 부하 분산과 감시 시스템 오류율은 요청의 0.2% 미만으로 보고됐으며, 24시간 동안 부하 분산 사례는 관찰되지 않았다.
- OpenAI는 확인된 취약점을 모두 패치하고 감시 범위를 넓혔다고 밝혔다.

## 왜 중요한가

OpenAI의 Codex 도구를 사용하는 개발자에게 이번에 드러난 허점은 일부 AI 작업이 감시되지 않았을 수 있으며, 그 결과 사용자가 의도하지 않은 동작에 노출됐을 가능성이 있다는 뜻이다. 회사의 패치로 위험이 줄어들 수 있지만, 에이전트 활동을 이제 더 폭넓게 포착하는지 확인하려면 독립적인 검증이 필요하다.

## 출처 및 참고 자료

1. [Red-Teaming OpenAI's Internal Agent Monitoring Systems October 22, 2026 A METR employee and a Redwood Research employee spent three weeks stress-testing OpenAI's internal misalignment monitoring syste](https://metr.org/blog/2026-10-22-red-teaming-openai-agent-monitoring/) – METR, 2026-10-22

최종 업데이트: 2026-10-22