Claude Mythos 5의 보안 역량을 더 많은 방어자에게: Claude Security·$35M 펀드

Who Should Read

사내 코드베이스 취약점 스캔과 패치 자동화를 도입하려는 Claude Enterprise 보안·백엔드 개발자

Core Mechanics

• Mythos 5는 모델 대신 결과물로 푼다
  • Mythos 5를 직접 프롬프트하게 열지 않고 제품 안에서 특정 결과물만 받게 했다.
  • 예를 들어 패치 목록은 받지만 익스플로잇을 만들어 달라고 요청할 방법은 없다.
• Claude Security 스캔이 Mythos 5로 돈다
  • Claude Enterprise 고객은 저장소를 골라 Mythos 5로 취약점을 스캔할 수 있다.
  • 각 발견 항목에는 CWE(공통 취약점 분류) 카테고리, 신뢰도·심각도, 수정 제안이 붙는다.
  • 과금은 기존 플랜의 일반 토큰 사용량 기준이고 별도 애드온은 없다.
• 패치는 사람 승인이 필수다
  • 수정 구현은 웹의 Claude Code에서 하며 조직이 쓸 수 있는 모델로 돌아간다.
  • Mythos 스캔이 다른 곳으로 Mythos 접근권을 넓혀 주지는 않는다.
  • 모든 패치는 사람이 검토·승인해야 구현된다.
• 파트너 보안 도구에도 Mythos 5가 들어간다
  • 이미 Opus 기반 보안 제품을 만든 파트너들과 Mythos 5 통합을 진행 중이다.
  • 보안 제품을 만드는 회사는 관심 등록을 할 수 있다.
• 오픈소스에 $35M 크레딧(0xDAF)을 푼다

Community Reactions

• 안전장치 때문에 보안 작업이 막힌다는 경험
  • 회귀 테스트가 기술적으로 PoC라서 Fable과 Opus 5가 거부해 cve_test.c 같은 파일을 숨겨야 했다는 메인테이너 경험이 있다.
  • 같은 세션에서 PoC를 거절당한 뒤 새 탭에서는 같은 일을 해 줬다는 경험도 있다.
• 다른 모델로 갈아탔다는 경험
  • 보안 사고 대응에서 ChatGPT와 Claude가 쓸모없어 grok을 썼다는 경험이 있다.
  • CTF에서 Claude와 Sol이 소용없어 로컬 Qwen·DeepSeek와 OpenRouter의 GLM을 썼다는 경험이 있다.
• $35M 규모와 승인 절차에 대한 의견
  • HAWK 공격이 취약점 하나에 $100k가 들었다며 $35M이 크지 않다는 의견이 있다.
  • OpenAI Cyber Trusted Access와 비슷하지만 승인 절차가 부담스럽다는 의견이 있다.
• 파트너 계약 구조가 궁금하다는 질문
  • OEM형 제안이 토큰 사용량 기반인지 라이선스형인지 궁금해하는 댓글이 있다.

How to Apply

• Cyber Verification Program에 신청하기
  • 합법적인 보안 작업을 하는 팀은 오늘 신청서를 내서 Opus·Sonnet의 안전장치 완화를 요청하자.
  • 이미 승인된 조직은 따로 할 일 없이 안내를 기다리면 된다.
• Enterprise 관리자에게 Claude Security 활성화 요청하기
  • 관리 콘솔에서 Claude Security를 켜고 claude.ai/security에서 작은 저장소 하나를 Mythos 5로 스캔해 보자.
  • 결과의 CWE·심각도·신뢰도를 보고 기존 스캐너 결과와 비교하자.
• 스캔 결과를 패치 리뷰 흐름에 연결하기
  • 발견 항목마다 웹의 Claude Code에서 수정안을 만들고 PR 리뷰 단계에서 사람이 승인하게 하자.
• 보안 제품을 만든다면 Mythos 관심 등록하기
  • 이미 Claude Opus로 만든 보안 기능이 있으면 Mythos 5 통합 관심 등록 폼을 제출하자.

Terminology

관련 논문

• 같은 시뮬레이션, 다른 근거: 도구 출력을 파일로 넘기면 LLM 에이전트 정확도가 어디서 깎이나

  긴 툴 출력을 파일로 넘기자 GPT-5.1은 정확도 11.3%p 하락, 정식 출력 지정하니 회복

• 가짜 뉴스가 진짜 폭락을: LLM 트레이딩 에이전트 대상 정보 주입 공격

  가짜 헤드라인 한 줄로 LLM 트레이딩 에이전트 62%를 조종했다(프롬프트 주입은 14%)

• Harness Engineering 101: LLM은 뇌, harness는 몸

  에이전트는 JSON 배열을 관리하는 루프이고, 16개 챕터로 직접 만들어 본다

• Harness²: 에이전트 harness를 스스로 고쳐 쓰는 재귀 최적화 프레임워크

  모델은 고정하고 harness를 재귀로 고쳤더니 벤치마크 점수가 최대 11.8%p 올랐다

• 해고된 Savannah 경찰관, ICE 요원 남편에게 Flock 계정 공유

  경찰관이 Flock 계정을 남편(ICE 요원)에게 공유했고, 감사에서 983건 검색이 드러나 해고됐다

• tmux와 Claude Code: 세션, send-keys, 그리고 한계선

  tmux로 Claude Code 여러 개를 돌리면 편하지만 에이전트 4개쯤에서 한계가 온다

• Hybrid Reasoning Agents: 잠재 공간에서 생각하고 텍스트로 행동하는 LLM 에이전트

  잠재 공간 추론과 텍스트 도구 호출을 섞었더니 성능 10.4%↑, 토큰 최대 54.7%↓

Related Resources

• https://claude.com/blog/bringing-claude-mythos-5-to-more-defenders
• https://claude.ai/security