DeepSeek AI란 무엇인가: 오픈소스 LLM의 가능성과 보안 리스크

DeepSeek가 주목받는 이유

DeepSeek는 2023년 Liang Wenfeng이 설립한 중국 기반 AI 기업으로, 고성능 대규모 언어 모델(LLM)을 공개해 빠르게 국제적 관심을 얻었다. 특히 2025년 공개된 DeepSeek V3와 DeepSeek R1은 일부 독점형 프런티어 모델과 비교될 정도의 성능을 보이며 오픈소스 또는 오픈웨이트 LLM 논쟁의 중심에 섰다.

Tenable은 DeepSeek를 단순한 모델 출시 사건이 아니라 기업 보안과 데이터 거버넌스 관점에서 봐야 할 변화로 설명한다. 개발자에게는 실험과 비용 절감의 기회가 되지만, 조직에는 Shadow AI, 데이터 반출, 약한 가드레일, 규정 준수 공백이라는 새로운 리스크를 만들 수 있기 때문이다.

DeepSeek AI란 무엇인가

DeepSeek는 OpenAI, Meta, Anthropic 등 미국 기술 기업의 모델에 대한 대안으로 등장한 고성능 LLM 개발사다. 모델 가중치와 사용 방식이 공개되어 개발자들이 직접 실행하거나 튜닝할 수 있고, 다양한 크기의 증류 모델도 제공되어 개인 장비부터 엔터프라이즈 GPU 클러스터까지 폭넓은 환경에서 활용될 수 있다.

다만 오픈소스라는 표현만으로 안전하다고 단정할 수는 없다. 모델 자체를 로컬에서 실행하는 경우와 웹·모바일 앱을 통해 사용하는 경우의 데이터 흐름이 다르고, 조직 내부 정책과 규제 요구사항에 따라 허용 가능성이 달라진다.

DeepSeek V3와 R1의 차이

DeepSeek V3는 mixture-of-experts(MoE) 아키텍처를 사용한다. 모든 파라미터를 매번 활성화하는 대신 필요한 전문가 모듈만 선택해 응답하는 구조로, 성능과 효율 사이의 균형을 노린다. 또한 multi-head latent attention(MLA)을 활용해 추론과 학습 과정의 메모리 효율을 개선한다.

DeepSeek R1은 V3를 기반으로 추론 능력을 강화한 모델로 소개된다. multi-token prediction(MTP)을 통해 한 번에 여러 토큰을 예측할 수 있고, chain-of-thought(CoT) 방식의 추론을 드러내는 특징이 있다. 이 때문에 문제 해결 과정을 더 잘 보여줄 수 있지만, 동시에 민감한 사용 환경에서는 출력 통제와 검증이 더 중요해진다.

경쟁 모델 비교표

기능DeepSeek R1OpenAI o1Meta Llama 3 오픈소스 여부예아니오제한적으로 지원 Chain-of-Thought 추론상세한 추론 흐름을 제공제한적 또는 가벼운 형태일부 지원 멀티토큰 예측지원미지원부분 지원 데이터 프라이버시웹·앱 사용 시 약점이 지적됨 상대적으로 강한 기업용 통제 제공 상대적으로 강한 자체 배포 통제 가능 AI jailbreak 저항성우회가 쉽다는 평가강화된 보호장치중간 수준 검열과 편향우려가 제기됨 상대적으로 낮음

활용 사례와 접근 방식

DeepSeek는 다국어 고객 지원 챗봇, 문서 요약, 자연어 기반 코드 생성, 학습 보조, AI 도구의 빠른 프로토타이핑 등에 활용될 수 있다. 공개 저장소에서 모델을 내려받아 로컬로 실행할 수 있고, 경량화된 증류 버전은 소비자급 하드웨어에서도 실험할 수 있다.

접근 경로는 로컬 실행, 웹 인터페이스, iOS·Android 모바일 앱, API 통합 등으로 나뉜다. 보안 관점에서는 이 차이가 중요하다. 로컬 실행은 데이터 흐름을 통제하기 쉬운 반면, 웹·모바일 앱 사용은 입력 데이터와 사용자 행동 정보가 외부 서버로 전송될 수 있다.

AI 산업에 미친 영향

DeepSeek는 고성능 모델을 비교적 개방적인 방식으로 배포하면서 AI 시장의 비용 구조와 경쟁 구도에 압력을 줬다. 기업과 개발자는 독점 API만이 유일한 선택지가 아니라는 점을 확인했고, 모델을 직접 배포하거나 특정 업무에 맞게 조정하려는 실험이 늘어났다.

그러나 개방성은 양면적이다. 누구나 실험할 수 있다는 장점은 악성코드 생성, 키로깅, 랜섬웨어 실험, 금지된 콘텐츠 생성과 같은 악용 가능성으로 이어질 수 있다. Tenable은 DeepSeek가 성능뿐 아니라 책임 있는 사용과 통제 측면에서도 평가되어야 한다고 본다.

주요 보안 우려

Tenable Research는 DeepSeek 사용과 관련해 네 가지 주요 우려를 제시한다. 첫째, 데이터 프라이버시다. 웹 또는 모바일 서비스를 사용할 때 사용자 데이터가 중국 서버에 저장될 수 있으며, GDPR 같은 서구권 규제 체계 밖에 놓일 가능성이 있다.

둘째, 제3자 추적이다. 원문은 DeepSeek 웹 분석에 Baidu가 관여하고, 일부 네트워크·디바이스 데이터가 다른 기업과 공유될 수 있다는 보도를 언급한다. 셋째, 약한 보안 가드레일이다. 모델이 jailbreak에 취약하면 금지된 출력이나 악성 활용을 막기 어렵다. 넷째, 검열과 편향이다. 특정 주제에서 응답 제한이나 체계적 편향이 나타날 수 있다는 점도 리스크로 제시된다.

조직에 미치는 영향

기업 환경에서 가장 큰 문제는 가시성 부족이다. 직원이 승인 없이 DeepSeek 웹앱, 모바일 앱, 브라우저 확장, 로컬 모델을 사용하면 보안팀은 어떤 데이터가 어디로 이동했는지 알기 어렵다. 이른바 Shadow AI가 생기는 것이다.

또한 민감한 문서, 소스코드, 고객정보, 내부 전략 자료가 검증되지 않은 AI 도구로 입력될 수 있다. 이런 사용은 데이터 반출, 수출 통제 위반, 내부 정책 불일치, 법적 책임 문제로 이어질 수 있다.

조직이 모니터링해야 할 리스크

승인되지 않은 DeepSeek 앱, 브라우저 확장, 로컬 모델 사용 웹·모바일 앱을 통한 입력 데이터와 행동 데이터의 외부 전송 jailbreak를 통한 금지된 출력 생성 가능성 LLM 사용 정책, 데이터 분류 정책, 수출 통제 지침과의 불일치 검열·편향 가능성이 의사결정 품질에 미치는 영향

리스크를 줄이기 위한 대응

첫 단계는 탐지다. 조직은 네트워크, 엔드포인트, 브라우저 확장, 클라우드 자산에서 DeepSeek 관련 활동을 식별해야 한다. Tenable은 AI Aware 탐지 플러그인을 통해 알려진 DeepSeek 실행 파일, 브라우저 플러그인, API 또는 모델 변형, DeepSeek 인프라와의 네트워크 통신을 모니터링할 수 있다고 설명한다.

둘째, 정책을 업데이트해야 한다. 오픈소스 모델과 승인되지 않은 AI 도구 사용을 명확히 다루고, 민감 데이터 입력 금지, 로컬 실행 조건, 외부 API 사용 기준을 문서화해야 한다. 셋째, 사용자를 교육해야 한다. 직원은 비검증 AI 도구에 규제 대상 데이터나 기업 기밀을 입력했을 때 어떤 위험이 생기는지 알아야 한다.

DeepSeek FAQ 요약

DeepSeek는 2023년에 설립된 중국 기반 오픈소스 LLM 기업으로, 2025년에 V3와 R1을 공개하며 주목받았다. 안전성은 사용 방식에 따라 달라진다. 웹이나 모바일 앱을 통한 사용은 개인정보와 데이터 전송 위험이 있고, 로컬 실행은 상대적으로 통제 가능하지만 운영·보안 책임이 조직 내부로 이동한다.

DeepSeek R1은 CoT 추론과 멀티토큰 예측을 특징으로 하며, 일부 성능 지표에서 상위 모델과 비교된다. 그러나 여러 국가와 공공기관에서 개인정보와 보안 문제를 이유로 사용 금지 또는 검토가 진행된 바 있어, 기업 도입 전에는 정책·법무·보안 검토가 필요하다.

결론

DeepSeek는 오픈소스 AI 생태계의 가능성을 보여주는 동시에, 기업 보안팀이 새로운 형태의 AI 노출을 관리해야 한다는 사실을 보여준다. 성능과 비용만 보고 도입 여부를 결정하기보다, 데이터 위치, 사용 경로, 가드레일, 편향, 규제, 탐지 가능성을 함께 평가해야 한다.

기업의 현실적인 접근은 금지가 아니라 통제된 활용이다. 승인된 환경에서 모델을 평가하고, 민감 데이터 사용을 제한하며, 네트워크와 엔드포인트에서 AI 도구 사용을 관찰하는 체계를 마련해야 DeepSeek 같은 새로운 LLM을 안전하게 활용할 수 있다.