이미지 출처: ChatGPT에 의해 ledge.ai 가 생성
마이크로소프트 및 싱가포르 국립대학 등에 소속된 연구자들은 2026년 6월 22일, AI와의 자연어의 교환을 중심으로 앱을 개발하는 “바이브 코딩(Vibe-Coded Applications)”의 안전성을 조사한 논문 “Understanding the (In)Security of Vibe-Coded Applications”을 공개했다. 9월 14일에 업데이트된 최신 버전에서는, 감사한 웹 앱 200건의 91%에 취약점이 발견되었다고 보고하고 있다.
## 공개 운영 중인 200건부터 1,186건의 취약점
연구팀은 Claude Code 및 Lovable로 개발된 오픈 소스 앱 9,041건을 수집하고, 공개 운영 중인 웹 앱으로부터 200건을 무작위로 추출했다. AI에 의한 코드 감사와 인간에 의한 검증을 결합하여 182건부터 총 1,186건의 취약점을 확인했다.
■ 감사한 200건의 웹 앱을, 발견된 취약점의 수에 따라 분류한 그림. 취약점이 발견되지 않은 앱은 18건 (9%) 이었다
이미지 출처: 논문 “Understanding the (In)Security of Vibe-Coded Applications” Figure 2
발견된 취약점의 65.77%는 심각도가 Critical 또는 High 였다. 접근 제어의 불비, 외부로부터의 입력이 의도하지 않은 명령이나 코드로서 처리되는 인젝션, 인증의 불비가 주요 문제였다.
## “움직일 수 있는 것”의 우선 또는 안전 요건의 간과
연구팀은 원인 분석을 기억, 목표 설정, 지식의 문제라는 3가지 유형으로, 8가지 패턴으로 정리했다. 이전의 안전 요건을 잊는 것, 불량 사항을 바로잡기 위해 보호 기능을 약화시키는 것, 명시되지 않은 안전 요건을 간과하는 것과 같은 실패가 포함된다.
취약점につながる8つの失敗パターンを、기억(기억), 목표 설정, 지식의 문제에 분류하고, 사양 策定부터 구현, 개정, 공개에 이르는 개발 단계에 대응시킨 그림
이미지의 출처: 논문 “Understanding the (In)Security of Vibe-Coded Applications” Figure 3
취약점이 완전히 침투하는 상황을 재현한 실험에서는, 실제 운영 환경에서 견딜 수 있는 구현을 요구하는 지시와, 개발 에이전트의 보안 강화를 위한 기술 추가로 인해, 대상의 취약점이 다시 침투하는 비율이 낮아졌다는 결과가 나타났다. 그러나, 평가한 모든 조건에서, 대상의 취약성을 완전히 배제할 수는 없었다.
조사 대상은 GitHub상의 오픈 소스 앱에 한정된다. 91%라는 결과는 감사한 200건에 대한 수치이며, AI로 개발한 앱 전체의 비율을 나타내는 것이 아니다.
관련 기사: 스위스 ETH 취리히 연구팀, AI에게 언어로 지시하고 “분위기”로 코드를 작성하는 바이브 코딩도 컴퓨터 과학의 기초와 언어 능력력이 결과에 영향을 미친다는 것을 밝혀냄
OpenAI, 코드의 취약점을 발견하고 수정 패치를 제안하는 AI 에이전트 “Codex Security” 공개
AI가 소프트웨어의 취약점을 자동 수정한다 – Google DeepMind, 신 에이전트 “CodeMender” 발표
원문 보기 | 출처: Ledge.ai