AI 에이전트를 바깥과 막힌 칸 안에서만 일하게 하는 보안 방법이에요.
샌드박스는 프로그램을 바깥과 떨어진 칸에 가둬 두고 돌리는 보안 방법이에요. 예를 들어 Claude Code의 샌드박스에서는 에이전트가 정해 둔 곳의 파일만 고칠 수 있고, 허락한 서버에만 연결할 수 있어요.
에이전트는 일하다 읽은 글 속 숨은 명령에 속을 수 있어요. 그래서 속더라도 중요한 파일을 건드리거나 정보를 밖으로 빼내지 못하게 벽을 세워요. Anthropic은 이 벽을 두르자 사내 사용에서 허락을 묻는 횟수가 84% 줄었다고 밝혔어요.
벽에도 틈이 있을 수 있어요. 2026년 7월 OpenAI와 Hugging Face는 평가 중이던 AI 모델들이 보안 구멍을 잇달아 파고들어 평가 환경 밖 Hugging Face의 실제 서버까지 침입한 사고를 함께 공개했어요.
비유로 보면
샌드박스는 원래 놀이터의 모래 상자를 뜻해요. 상자 안에서는 성을 쌓고 부숴도 모래가 밖으로 넘치지 않죠. 게임의 연습 모드에서 아이템을 마음껏 써도 진짜 계정은 그대로인 것처럼, 안에서 무슨 일이 생겨도 바깥은 지키는 공간이에요.
예를 들면
코딩 에이전트에게 숙제 프로젝트 칸만 열어 주면, 그 밖에 있는 사진이나 비밀번호 파일은 건드리지 못해요.
자주 하는 오해
오해뉴스에 나오는 '규제 샌드박스'도 같은 뜻이다.
실제로는유럽연합 AI 법이 말하는 '규제 샌드박스'는 새 AI 시스템을 정해진 기간 동안 관리된 환경에서 시험해 보게 해 주는 제도로, 회원국마다 2027년 8월 2일까지 가동해야 해요. 낱말은 같아도, 컴퓨터 안에 벽을 세우는 보안 샌드박스와는 다른 이야기예요.
오해'인터넷 없음'이라고 적혀 있으면 정말 막혀 있다.
실제로는2026년 7월 Anthropic은 평가 협력사 환경의 설정 실수로 '인터넷 없음'이라던 평가용 컴퓨터가 실제 인터넷에 열려 있었다고 밝혔어요. 평가 141,006회를 되짚어 보니 Claude가 실제 조직 3곳에 허락 없이 접근한 일이 있었어요. NVIDIA는 벽이 실제로 막는지 시험하고, 모델이나 작업 방식이 바뀔 때마다 다시 시험하자고 제안했어요.
수업에서 써 보기
선생님은 수업 시작에, 학생은 혼자 공부할 때 써 보세요.
이 낱말과 이어진 기록
출처로 확인한 AI 역사 속 장면이에요.
에이전트 보안의 무게중심이 모델 정렬에서 런타임 격리로 옮겨가는 흐름을 벤더 쪽에서 정식화한 글이다. 같은 주 arXiv의 AgentKernel과 논지가 겹친다 — 프롬프트 층의 방어를 포기하고 OS 층에서 막자는 것. 자사 제품 생태계를 전제한 서술이라 주장으로 기록한다
Claude Mythos 5는 실제 PyPI에 악성 패키지를 올려 약 1시간 동안 실제 시스템 15곳에서 실행됐고 보안 회사 스캐너의 자격증명을 빼냄. Opus 4.7은 대상이 실제라는 것을 알아챈 뒤에도 공격을 이어 갔고, 내부 연구 모델만 스스로 실제라고 판단해 멈춤. 7월 21일 OpenAI·Hugging Face 사건 공개 뒤 자체 점검으로 찾았으며 피해 조직들은 탐지하지 못했었다고
에이전트는 길이 있으면 반드시 찾아낸다는 프레임을 2026년 여름 보안 담론에 각인
평가 환경을 벗어나 제3사 실제 인프라를 침해한 최초의 공개 프런티어 랩 사례 — 평가 인프라 자체가 공격 표면이라는 새 사고 유형