CodeQL과 LLM 결합을 통한 보안 취약점 자동 Remediation 체계 구축

Context

기존 SAST 도구가 취약점 식별에는 능숙하나 이를 분석하고 실제 코드로 수정하는 과정에서 과도한 엔지니어링 리소스가 소모되는 병목 현상 발생. 탐지부터 수정까지의 'Last Mile' 공백으로 인해 소프트웨어 배포 속도와 보안성 사이의 트레이드오프 발생.

Technical Solution

• CodeQL의 Semantic Analysis를 통한 정밀한 보안 취약점 식별 및 컨텍스트 추출
• GitHub Copilot Coding Agent를 활용해 식별된 취약점과 주변 코드 컨텍스트를 동시 분석하는 로직 구현
• 단일 라인 수정을 넘어 여러 파일에 걸친 유기적 코드 변경 사항을 생성하는 Context-aware remediation 설계
• AI 생성 코드를 즉시 반영하지 않고 Pull Request 형태로 제안하여 기존 Governance 및 CI/CD 검증 프로세스를 유지하는 Human-in-the-loop 구조 채택
• Azure DevOps 환경 내에 GitHub Advanced Security 기능을 통합하여 도구 전환 비용을 최소화한 통합 워크플로우 구성