PE Notes · SW
AI 생성 소스코드/오픈웨이트 모델의 오픈소스 라이선스 리스크와 컴플라이언스 대응방안 (AI 거버넌스 관점)
AI 생성 소스코드 라이선스 리스크: 코딩 어시스턴트·LLM이 생성한 코드에 학습 데이터의 오픈소스 코드(특히 GPL 등 카피레프트)가 그대로 또는 유사하게 재현되어, 저작권 고지·라이선스 의무 누락, 소스 공개 의무 전파, 저작권 귀속 불명확 문제가
AI 생성 소스코드 라이선스 리스크: 코딩 어시스턴트·LLM이 생성한 코드에 학습 데이터의 오픈소스 코드(특히 GPL 등 카피레프트)가 그대로 또는 유사하게 재현되어, 저작권 고지·라이선스 의무 누락, 소스 공개 의무 전파, 저작권 귀속 불명확 문제가 생기는 위험. (Open-Weight) 모델 라이선스 리스크: 가중치는 공개되었지만 사용 제한·조건이 붙은 커스텀 라이선스(사용자 수 제한, (AUP), 출력물 활용 제한, 귀속 표시 의무)를 오픈소스로 오인해 사용하면서 생기는 계약·컴플라이언스 위험.
구조와 칸
출처 불투명성: 생성 코드는 원본 저장소·라이선스 정보 없이 제공됨. 의무 전파성: GPL·AGPL 코드가 섞이면 배포(AGPL은 네트워크 서비스 제공) 시 소스 공개 의무 발생 가능. 권리 귀속 불명확: 사람의 창작적 기여 없는 AI 산출물은 저작권 보호가 어렵다는 것이 한국·미국 당국의 일반 입장 → 자사 코드 보호에도 영향. 커스텀 모델 라이선스 다양성: Apache-2.0·MIT형 허용 라이선스부터 사용 제한(RAIL 계열), 대규모 서비스 사용자 수 기준 별도 허가, 경쟁 모델 학습 금지 조항까지 다양.
| 영역 | 리스크 | 내용 |
|---|---|---|
| AI 생성 코드 | 카피레프트 오염 | GPL·AGPL 코드 조각이 재현돼 제품 전체 소스 공개 의무 논란 |
| 고지 의무 누락 | MIT·BSD·Apache도 저작권·라이선스 고지 유지 의무 — 생성 코드는 고지가 빠짐 | |
| 저작권 귀속 | 사람의 기여가 적은 코드는 권리 주장 어려움 → 영업비밀·계약으로 보호 | |
| 품질·보안 | 취약 코드·환각 패키지(존재하지 않는 패키지명 → 공격자 선점, Slopsquatting) | |
| 오픈웨이트 모델 | 라이선스 오인 | "오픈"이라는 이름만 보고 상업적 사용·재배포 조건 미확인 |
| 사용 제한 위반 | AUP 금지 용도, 대규모 서비스 별도 허가 조건, 경쟁 모델 학습 금지 | |
| 파생물 조건 | 미세조정·증류 모델에 원 라이선스·귀속 표시·명칭 규칙 상속 | |
| 학습 데이터 권리 | 모델 학습 데이터의 저작권·개인정보 문제가 사용자에게 전가될 가능성 | |
| 규제·계약 | 규제 의무 | EU AI Act GPAI 의무(저작권 정책·학습 데이터 요약), 국내 투명성 의무 |
| 고객 계약 | 납품 계약의 "제3자 권리 비침해 보증"·오픈소스 사용 고지 의무 위반 |
- 개발자가 승인된 AI 도구로 코드 생성(중복 제안 필터 ON) 2. 커밋 시 AI 생성 표시 → PR 리뷰 3. CI에서 ·스니펫 스캔 → 오픈소스 유사도 탐지.
AI 생성 코드 리스크 vs 오픈웨이트 모델 리스크
| 구분 | 오픈소스 AI( 기준) | 오픈웨이트 | 폐쇄형(API) |
|---|---|---|---|
| 가중치 공개 | O | O | X |
| 학습 코드·데이터 정보 | 충분한 공개 요구 | 대개 비공개 | 비공개 |
| 사용·수정·재배포 자유 | 제한 없음 | 커스텀 조건(AUP·규모 기준 등) | 이용약관 범위 |
| 예 | OSI 기준 충족 모델 | 커스텀 라이선스 공개 모델 다수 | 상용 API |
| 계층 | 대응 | 세부 내용 |
|---|---|---|
| ① 정책·조직 | AI 사용 정책 | 허용 도구·용도·금지 데이터(소스·고객정보 입력 금지) 명문화 |
| 책임 체계 | (오픈소스 관리 조직)·AI 거버넌스 위원회·법무·보안 협업, RACI | |
| ② 도입 심사 | 모델·도구 승인 | 라이선스 검토 체크리스트(상업 사용·재배포·파생물·AUP·사용자 규모 기준·준거법), 허용 목록 관리 |
| 공급사 계약 | 생성물 권리 귀속, 지식재산 면책(IP Indemnity) 제공 여부, 학습 데이터 사용 동의(옵트아웃) | |
| ③ 개발 프로세스 | 도구 설정 | 공개 코드와 일치하는 제안 차단 필터 활성화, 출처 참조(Code Referencing) 기능 사용 |
| 코드 검증 | SCA(소프트웨어 구성 분석)·코드 스니펫 매칭으로 오픈소스 유사 코드 탐지 → 라이선스 확인·고지·대체 구현 | |
| 리뷰·표시 | AI 생성 코드 표시(커밋 메타데이터·태그), 사람 리뷰 필수, 점검 | |
| ④ 기술 통제 | 모델명·버전·라이선스·학습 데이터 출처·파생 관계를 확장 형태로 관리(SPDX 3.0 AI 프로파일, CycloneDX ML-BOM) | |
| CI/CD 게이트 | 빌드 시 라이선스 정책 위반(AGPL 등) 자동 차단 | |
| ⑤ 모니터링·감사 | 정기 감사 | 배포 전 오픈소스 고지문 생성·검증, 라이선스 변경 추적(모델 새 버전) |
| 사고 대응 | 위반 발견 시 코드 교체·고지 보완·라이선스 준수 계획 수립 | |
| 교육 | 개발자 대상 라이선스·AI 사용 교육 |
기업 OSPO: 코딩 어시스턴트 도입 시 공개 코드 일치 제안 차단을 의무 설정으로 하고, CI에 스니펫 매칭 스캐너 적용. 공공 SW 사업: 납품 시 오픈소스 사용 목록·라이선스 고지 제출 요구에 AI 생성 코드와 모델 정보를 포함. AI 서비스 기업: 오픈웨이트 모델 기반 서비스 출시 전 라이선스(사용자 규모·AUP·귀속 표시·명칭 규칙)와 파생 모델 조건 검토.
답안은 AI 생성 소스코드/오픈웨이트 모델의 오픈소스 라이선스 리스크와 컴플라이언스 대응방안 (AI 거버넌스 관점)의 정의, 칸, 비교 축을 한 장에 닫습니다.
기출 이력
- 제140회 2교시
기술사 답안 포인트
관련 용어
관련 토픽
SW
OSS 라이선스
관대·약한 카피레프트·강한 카피레프트와 MIT·Apache·GPL·AGPL을 가르고, SSPL·BSL의 상업 위험과 라이선스 충돌·SBOM 관리를 정리합니다.
SW
SBOM
구성 요소·라이선스·CVE를 기계 가독으로 적는 SBOM을 SPDX·CycloneDX·SWID로 가르고, 생성·VEX·공급망 규제와의 연결을 정리합니다.
AI
생성형 AI 저작권과 이용자 보호
학습 데이터 이용과 AI 생성물 귀속이라는 저작권 쟁점을 개발사·창작자 입장으로 가르고, 고지·워터마크·자동화 결정 이의 등 이용자 보호 항목을 대응표로 정리합니다.