- 블랙웰 울트라 GPU 8개·2TB 이상 GPU 메모리 기반…ASH 강화학습·LLM 동적 분석·AI-BOM 검증 수행

쿤텍이 엔비디아 AI 슈퍼컴퓨팅 시스템 ‘DGX B300’을 도입해 AI 모델 강화학습과 대형 언어모델(LLM) 보안 분석, AI 공급망 검증을 자체 수행한다. 수천억 개 파라미터 규모의 오픈웨이트 모델을 내부에서 직접 구동하고 공격 반응을 분석하며, AI 에이전트 보안 플랫폼 ‘ASH(Agentic Security Harness)’의 위협 탐지 모델 학습에도 활용한다. 금융·공공·국방 분야에서 요구하는 폐쇄형 연구 환경도 운영한다.
대형 AI 모델 직접 구동…클라우드 의존 줄여
AI 보안 연구가 대형 모델과 반복 학습으로 옮겨가면서 필요한 연산량도 커졌다. 쿤텍은 수천억 개 파라미터 규모의 오픈웨이트 모델을 실행하고 내부 동작까지 관찰하려면 대용량 GPU 메모리를 갖춘 전용 시스템이 필요하다고 판단해 DGX B300을 도입했다.
DGX B300은 엔비디아 블랙웰 울트라(Blackwell Ultra) GPU 8개와 GPU당 288GB HBM3e 메모리를 탑재한다. 전체 GPU 메모리는 2TB 이상이며 엔비디아 기준 AI 학습 성능 72페타플롭스(PFLOPS), 추론 성능 144페타플롭스를 제공한다. 쿤텍은 이 연산 자원을 활용해 클라우드 GPU 확보를 기다리지 않고 장시간 강화학습과 대규모 분석을 반복할 계획이다.
자체 인프라는 보안 요구에도 대응한다. 분석 대상 모델과 학습 데이터, 공격 시나리오를 외부로 반출하지 않고 내부에서 처리해 금융·공공·국방 분야의 폐쇄망과 온프레미스 환경에서 보안 검증을 진행한다. 클라우드 GPU 임대 비용을 줄이는 동시에 분석 과정에서 축적한 데이터와 노하우도 내부에 남길 수 있다.
ASH 학습부터 LLM 공격 반응까지 검증
DGX B300의 첫 번째 활용 분야는 ASH의 위협 탐지 모델이다. 실제 분석 결과를 보상 신호로 사용해 강화학습을 반복하고 탐지 정확도와 추론 품질을 높인다. 외부 연산 자원을 확보하는 과정 없이 학습과 검증을 이어가면서 신규 분석 기능을 제품에 반영하는 시간도 단축할 것으로 기대하고 있다.
대형 오픈웨이트 모델은 여러 개를 동시에 구동해 내부 동작과 출력을 살핀다. 프롬프트 인젝션과 탈옥, 도구 호출 악용 같은 공격을 입력한 뒤 모델이 어떻게 반응하는지 검증하는 방식이다. 기업이 공개 모델을 도입하거나 AI 에이전트로 운영하기 전에 숨은 위험을 찾아내는 LLM 동적 분석에 활용한다.
AI-BOM으로 학습 데이터 출처까지 추적
검증 범위는 모델의 실행 단계에서 공급망으로 이어진다. ASH의 ‘모델 게이트(Model Gate)’는 AI 자재 명세서(AI-BOM)를 기반으로 모델 학습 데이터의 출처와 구성을 추적하고 데이터
오염과 백도어 삽입 여부, 라이선스 문제를 점검한다.
쿤텍은 2024년 자체 SBOM 엔진을 개발한 뒤 소프트웨어 공급망에서 다뤄온 검증 기술을 AI 모델과 학습 데이터로 넓혀왔다. DGX B300에서 수행하는 AI-BOM 프로비넌스 분석도 이 기술을 활용하며, 모델의 출처와 구성 요소를 확인하는 데 사용한다.
LLM 동적 분석과 AI-BOM 검증 결과는 다시 ASH로 들어간다. 공격 반응을 분석한 결과는 에이전트 실행 중 공격을 차단하는 런타임 보호 기능에 적용하고, 프로비넌스 분석 결과는 모델 게이트의 공급망 검증에 반영한다. 쿤텍은 이를 기업·기관이 AI 모델을 도입하기 전에 위험도를 진단하는 검증 서비스로 연결할 계획이다.
쿤텍 방혁준 대표는 “AI가 산업 전반에 확산되면서 AI 모델과 에이전트 자체가 새로운 공격 표면이 되고 있다”며 “이번 DGX B300 도입으로 AI를 만들고 검증하는 전 과정을 자체 역량으로 수행할 수 있게 됐다. AI 공급망 보안 분야의 선도 기업으로 자리매김하겠다”고 밝혔다.
#쿤텍 #엔비디아 #DGXB300 #블랙웰울트라 #ASH #AI에이전트 #AI공급망보안 #AIBOM #SBOM #LLM보안



