AI 메일보안 — MAIL PRISM AI

왜 메일 보안에
독자 언어모델인가

링크도 첨부도 없는 사기 메일을 가르는 것은 글이 아니라 행간입니다. 보안을 위해 오픈 웨이트를 배제하고 사전학습부터 직접 만든 언어모델이, GPU 없이 CPU에서 메일을 판단합니다.

메일 보안의 난제

왜 메일이 가장 어려운 자리인가

글과 맥락이 아니라, 행간을 읽어야 하는 일이기 때문입니다. 맥락은 글의 기승전결, 행간은 글 뒤에 숨은 의도입니다.

20B급 오픈 웨이트 메일 AI — 무엇이 쓰여 있나?
메일 → 요약 · 분류 · 검색
글과 맥락을 잘 읽으면 되는 일 — 업무 보조
354M → 1.5B MAIL PRISM AI — 글 뒤에 무엇을 숨겼나?
본문 · 발신 이력 · 발신 경로 · 회신 주소 → 판단
글 뒤에 숨은 의도, 행간을 판단해야 하는 일

크기는 훨씬 작아도, 하는 일은 판단입니다.

기존의 심각한 문제

가장 큰 피해를 내는 메일에는, 막을 근거가 없습니다

송금 사기 — 계좌가 바뀌었다는 메일 한 통으로, 돈이 나갑니다

95.4%

국내 수출입 기업 외환 무역사기 1,591건 중 1,518건이 이메일 해킹으로 허위 계좌 송금을 유도한 사기였습니다. 2021년 ~ 2025년 상반기, 전체 피해 약 1,330억 원.

출처: 금융감독원 (2025.9)

30억 달러

미국에서 한 해 신고된 기업 메일 사기(BEC) 피해액. 메일 한 통이 송금으로 이어진 사기 24,768건.

출처: FBI IC3 Internet Crime Report 2025

16.3만 달러

스페인 수출업체의 메일을 가로채 “포르투갈 은행으로 계좌가 바뀌었다”는 한 통. 국내 수입 기업이 새 계좌로 대금을 보냈습니다. 약 2억 3천만 원.

출처: 금융감독원 (2025.9)

돈을 노리는 메일에는 링크조차 없습니다.

계정 탈취 — 링크 검사기는 ‘사람인지 확인’ 앞에서 멈춥니다

43%

2025년 피싱 공격 가운데 캡차(사람 확인)를 악용한 비중. 같은 해 MFA 우회 48%, 서비스형 피싱 키트 90%.

출처: Barracuda (2026.1) · 캠페인 추적 기준

1,190만 건

2026년 3월 한 달, 캡차 뒤에 숨긴 피싱. 한 달 새 125% 증가해, 자동 검사 도구가 위협을 알아보기 어렵게 만듭니다.

출처: Microsoft 이메일 위협 동향 2026년 1분기 (2026.4)

94~96%

링크 · 첨부가 있는 공격 가운데 계정 정보를 노린 피싱의 비중. 악성코드는 4~6%.

출처: Microsoft 이메일 위협 동향 2026년 2분기 (2026.7)

링크 너머를 열지 못해도, 메일이 무엇을 요구하는지는 메일 안에 있습니다.

범주별 비교

메일 보안 AI, 무엇이 다른가

받은 메일의 행간을 판단하는 자리는 비어 있었습니다.

기존 메일 보안 게이트웨이클라우드 AI 메일 보안오픈 웨이트 메일 AIMAIL PRISM AI
주로 하는 일악성 링크 · 첨부 · 스팸 차단받은 메일의 이상 행동 탐지요약 · 검색, 보내는 메일 유출 방지받은 메일의 피싱 · 사칭 · 금융사기 판단
링크 · 첨부 없는 사기 메일규칙에 걸려야 막음행동 이력으로 탐지대상 아님행간을 읽고 판단
막은 이유규칙 · 시그니처 이름위험 점수 · 신호—판단 기준 문장 그대로
메일 원문 전송없음 (게이트웨이 안)공급자 클라우드로사내 GPU 서버로없음 (게이트웨이 안)
추론 자원서버공급자 클라우드GPU 서버 (20B급)GPU 없이 CPU
모델—비공개오픈 웨이트오픈 웨이트 배제 독자 언어모델
성능을 말하는 방식탐지율자체 수치—정상 메일을 포함한 AUC

* 범주별 일반적 특성이며, 개별 제품에 따라 다를 수 있습니다.

오픈 웨이트를 배제한 이유

오픈 웨이트는 좋은 AI지만, 게이트웨이용은 아닙니다

모델이 틀려서가 아닙니다. 요약 · 번역 · 문서 작성 · 사내 업무 보조에서는 누구나 내려받아 검증하고 고쳐 쓸 수 있는, 정말 쓸모 있는 AI입니다. 다만 게이트웨이에서는 판정기가 곧 방어선입니다. 누구나 내려받을 수 있다면, 공격자도 같은 판정기를 갖게 됩니다.

공개 모델을 가져다 쓰는 경우MAIL PRISM AI — 354M → 1.5B 독자 언어모델
공격자의 모델 접근같은 모델을 내려받아 통과하는 메일을 무제한으로 찾아볼 수 있습니다가져갈 수 없습니다. 할 수 있는 건 메일을 보내 보는 것뿐입니다
회피 시도의 비용무료 · 무제한 · 흔적 없음시도마다 게이트웨이에 기록됩니다
본문의 지시 조작입력의 지시를 따르도록 학습되어 있고, 우회 기법이 공개되어 있습니다본문의 지시를 실행하지 않고, 판정만 출력합니다
취약점이 공개되면같은 모델을 쓰는 모든 고객사가 동시에 노출됩니다우리가 직접 고쳐, 짧은 주기로 다시 배포합니다
학습 데이터무엇으로 학습했는지 고객에게 설명하기 어렵습니다사전학습부터 직접 구축 — 출처를 댈 수 있습니다

보안 제품에서 이 차이는 성능이 아니라, 공격자가 보안 판정기를 손에 넣을 수 있느냐의 문제입니다.

Systematic SFT

Systematic SFT로, 행간을 읽게 가르쳤습니다

SLM에 전문가다운 판단을 가르치는 체계 — 학습은 GPU 한 장, 판정은 GPU 없이 CPU에서.

  1. 전문가의 판단을 문장으로 옮깁니다위험의 기준을 범주가 아니라 문장으로 씁니다. 모델은 그 문장마다 이 메일이 맞는지 판단하도록 배웁니다.→ 막은 이유를 문장으로 봅니다
  2. 글이 아니라 행간을 가르칩니다보낸 사람과의 이력 · 경로 · 회신 주소까지 함께 읽어, 같은 글 뒤의 의도를 판단하도록 관계를 기반으로 가르칩니다.→ 같은 글도 숨은 의도대로 판단합니다
  3. 정상 메일을 먼저 지키며 잽니다모델을 고르는 기준은 위협을 몇 통 더 잡느냐보다, 정상 메일을 막지 않느냐가 먼저입니다.→ 정상 업무 메일이 멈추지 않습니다

↻ 짧은 주기로 미세한 판단조차 개선합니다 — 자원이 아니라 방법이라, 현장을 반영한 새 모델을 빠르게 다시 만듭니다.

큰 모델이 규모로 얻는 판단력은, 2B 이하에서는 저절로 얻기 어렵습니다. 그 판단력을 354M 언어모델에서 방법으로 만들어 냈습니다.

모델 사양

MAIL PRISM AI 언어모델 사양

사전학습부터 직접 만든 독자 언어모델 — 공개 모델을 줄이거나 미세조정한 것이 아닙니다.

R5-354M · R1R5-354M · R2 운영 중R8-1.5B · 2027년 5월
파라미터3억 5,400만 (354M)3억 5,400만 (354M)15억 (1.5B)급
사전학습원천 모델 없이 직접원천 모델 없이 직접원천 모델 없이 직접
지원 언어한국어 · 영어한국어 · 영어 · 일본어한국어 · 영어 · 일본어 · 중국어(간체 · 번체) · 아랍어 · 힌디어 · 러시아어 · 태국어 · 베트남어 · 인도네시아어 · 말레이어 · 독일어 · 스페인어 (14개)
모델 구조트랜스포머 디코더 · 24층 · 은닉차원 1,024 · 어텐션 헤드 16트랜스포머 디코더 · 24층 · 은닉차원 1,024 · 어텐션 헤드 16트랜스포머 디코더 · 32층 · 은닉차원 1,792 · 어텐션 헤드 28
어휘 · 토크나이저50,304 · 메일 텍스트에 맞춰 직접 제작50,304 · 메일 텍스트에 맞춰 직접 제작128,000 · 14개 언어 BPE
메일 1건당 처리 토큰1,024 토큰5,120 토큰5,120 토큰
학습 구조RMSNorm · SwiGLU · MTP · BF16RMSNorm · RoPE · SwiGLU · MTP · BF16 · FlashAttentionRMSNorm · RoPE · SwiGLU · MTP · BF16 · FlashAttention
판단 학습SFTSystematic SFTSystematic SFT
추론GPU 없이 CPU (인텔 AMX)GPU 없이 CPU (인텔 AMX)GPU 없이 CPU (인텔 AMX)

354M에서 검증한 구조 그대로, 크기와 학습 데이터만 키웁니다.

MAIL PRISM AI의 관점

SLM은 실전에 들어왔습니다 — 전문가다운 판단만 빼고

지금의 SLM은 기기 안 모델, 입력 안전 판정처럼 정해진 범주를 고르는 분류에 머뭅니다. 거대 모델은 판단은 하지만 GPU가 필요하고, 메일이 밖으로 나갑니다. 우리는 이 크기에서 전문가다운 판단을 만들었습니다 — Systematic SFT로, 가장 어려운 자리인 메일 보안에서.

거대하지 않아도 판단하는 인공지능

방법이 능력을 만듭니다

큰 모델은 규모가 능력을 만들어 주지만, 2B(20억) 이하에서는 어떻게 가르치느냐가 능력을 좌우합니다. 우리 기술은 새 모델 구조가 아니라 Systematic SFT입니다.

직접 만든 언어모델

받아 쓴 오픈 모델이 아니라 원천 모델 없이 직접 만든 모델입니다. 남들이 대화하는 모델을 만들 때, 우리는 판단하는 모델을 만들었습니다.

LLM과 싸우지 않습니다

범용 지능은 거대 모델이, 현장의 판단은 독자 모델이 맡습니다. 메일마다의 판정은 이 모델이, 예외 분석은 LLM 에이전트가 관리자 곁에서.

규모는 능력을 사 오고, 방법은 능력을 만들어 냅니다. 2B 아래의 모델은 실습용이 아닙니다. 메일 보안 현장에서 이미 증명했습니다.

판단하는 메일 보안 인공지능, MAIL PRISM AI