소프트웨어가 단순히 코드의 줄이 아니라, "기술(skills)"이라는 살아 숨 쉬는 생태계가 되는 세상을 상상해 보십시오. 이 기술들을 디지털 맥가이버 칼이나 초지능 로봇(AI 에이전트)에게 정확히 무엇을 해야 하는지 알려주는 마법의 레시피 카드라고 생각해 보세요. 이것들은 단순한 지침이 아닙니다. 서술된 가이드, 실제 컴퓨터 코드, 사용할 도구 목록, 그리고 단계별 워크플로우가 혼합된 미디어 패키지입니다. 이러한 기술들이 대중화됨에 따라, 사람들은 스마트폰 앱 스토어에서 앱을 받는 것처럼 온라인 마켓플레이스에서 기술들을 공유하기 시작할 것입니다. 하지만 여기서 까다로운 문제가 발생합니다. 이 기술들은 매우 복잡하기 때문에, 누군가가 단순히 레시피를 복사해서 글꼴만 바꾼 것인지, 아니면 실제로 그 비법(특유의 코드, 독특한 단계 순서, 혹은 그것을 작동하게 만드는 영리한 트릭들)을 훔친 것인지 구별하기가 어렵습니다. 이는 매우 중요한 문제입니다. 왜냐하면 나쁜 기술이나 고장 난 기술이 복제되어 퍼지면 전체 생태계가 엉망이 되거나 위험해질 수 있기 때문입니다. 과학자들은 오랫동안 복제된 컴퓨터 코드를 찾아내려고 노력해 왔지만, 기존의 도구들은 책에서 특정 단어를 찾는 것과 같았습니다. 저자가 문장을 다시 쓰거나 장의 순서를 바꾸면 그 이야기를 놓치고 마는 것입니다.

여기에 이 미스터리를 해결하기 위해 설계된 새로운 탐정 도구인 SkillTrace가 등장합니다. SkillTrace는 전체 "패키지"를 비교하여 겉모습이 닮았는지 보는 대신, 세 가지 다른 층위의 증거인 언어(서술된 지침), 코드(실제 스크립트), 그리고 작동(기술이 실제로 작동하는 보이지 않는 흐름)을 조사하는 법의학 조사관처럼 행동합니다. 연구진은 도둑이 지침을 새로 쓰고 코드를 변경하더라도, 기술을 기능하게 만드는 핵심인 "춤 동작"이나 운영 흐름은 결국 유지할 수밖에 없다는 사실을 발견했습니다. 이 춤 동작을 추적하기 위해 "기술 운영 그래프(Skill Operational Graph)"라는 특별한 지도를 구축함으로써, SkillTrace는 다른 도구들이 놓치는 재사용 사례를 잡아낼 수 있습니다. 수백 개의 기술을 대상으로 한 테스트에서, 이 새로운 방식은 약 90%의 실제 재사용 사례를 잡아내면서도 오탐지를 낮게 유지하며 훨씬 더 뛰어난 성능을 보여주었습니다. 이는 마치 두 집이 겉보기에 똑같은지 확인하는 것을 넘어, 페인트 색상과 앞문이 완전히 다르더라도 두 집이 동일한 독특한 배관 구조를 공유하고 있는지 알아내는 탐정을 두는 것과 같습니다.

디지털 레시피 도둑 이야기

당신이 환상적인 케이크를 굽는 새로운 방법을 발명한 요리사라고 상상해 보십시오. 당신은 상세한 레시피(표현/Expression)를 작성하고, 사용하는 특정 도구와 재료의 목록(구현/Implementation)을 적으며, "예열, 섞기, 접기, 굽기, 식히기"와 같은 정확한 작업 순서(작동/Operation)를 설명합니다. 이제 라이벌 요리사가 당신의 성공을 훔치려 한다고 가정해 봅시다. 그들은 당신의 레시피를 글자 그대로 복사하거나, 전체를 다른 언어로 다시 쓰면서 당신의 도구 목록을 그대로 유지할 수도 있습니다. 또는 더 교활하게 굴 수도 있습니다. 레시피의 제목을 바꾸고, 지침을 자신만의 말투로 다시 쓰고, 심지어 당신의 믹싱 볼을 다른 브랜드로 교체할 수도 있습니다. 하지만 여기 함정이 있습니다. 케이크를 부풀리고 맛을 제대로 내려면, 그들은 반드시 당신의 특정한 단계 순서를 지켜야만 합니다. "접기 후 식히기"가 필요한 레시피에서 그냥 "섞고 굽기"를 할 수는 없기 때문입니다.

이것이 바로 SkillTrace 논문이 다루는 문제이며, AI의 세계에서는 요리사 대신 AI 에이전트가 그 역할을 합니다. AI의 세계에서 "기술"은 AI에게 무언가를 하는 법을 알려주는 이러한 복잡한 패키지입니다. 저자들은 기존의 소프트웨어 복제를 찾는 도구들이 요리책의 표지를 보는 것과 같다는 점을 깨달았습니다. 만약 라이벌 요리사가 표지 아트와 제목을 바꾼다면, 기존의 도구들은 내부의 전체 레시피를 훔쳤음에도 불구하고 "일치 항목 없음!"이라고 말할 것입니다.

세 가지 층위의 탐정 업무

SkillTrace가 다른 이유는 단순히 책 전체를 보는 것이 아니라, 범죄 현장에서 지문, DNA, 발자국을 조사하는 것처럼 기술을 세 가지 뚜로 구분된 "흔적(trace)" 또는 증거 층위로 분해하기 때문입니다.

1. 표현 흔적 (언어 - The Words): 이것은 기술의 서술된 부분, 즉 지침, 설명, 예시입니다. 만약 도둑이 당신의 텍스트를 복사한다면 이 층위가 활성화됩니다. 하지만 그들이 다르게 들리도록 텍스트를 다시 쓴다면 이 층위는 꺼집니다.
2. 구현 흔적 (코드 - The Code): 이것은 실제 컴퓨터 코드, 스크립트, 명령입니다. 만약 도둑이 당신의 코드 조각을 복사한다면 이 층위가 잡아냅니다. 하지만 그들이 다른 언어로 코드를 다시 쓰거나 코드를 아예 삭제한다면 이 층위는 침묵합니다.
3. 운영 흔적 (춤 동작 - The Dance Steps): 이것이 이 논문의 핵심 혁신입니다. 이것은 기술이 어떻게 작동하는지를 봅니다. 연구진은 **기술 운영 그래프(SOG)**라는 지도를 만듭니다. 이 지도는 단어나 특정 코드 이름에 신경 쓰지 않고, 오직 흐름에 집중합니다. 이 지도는 다음을 추적합니다:
   • 활성화(Activation): 기술이 어떻게 시작되는가?
   • 절차(Procedure): 단계의 순서는 무엇인가?
   • 자원 흐름(Resource Flow): 어떤 도구와 데이터가 프로세스를 통해 이동하는가?

저자들은 도둑이 단어를 다시 쓰고 코드를 변경하더라도, "춤 동작"은 바꿀 수 없다는 것을 발견했습니다. 만약 어떤 기술이 PDF를 읽고, 데이터를 추출한 다음, 이를 이메일로 보내도록 설계되었다면, 도둑은 파일 이름을 바꾸고 프로그래밍 언어를 바꿀 수는 있어도 여전히 동일한 3단계 흐름을 따라야만 합니다. 운영 흔적은 이 보이지 않는 구조를 포착합니다.

마법의 그래프와 "One-LLM" 기법

이 지도를 만들기 위해 연구진은 영리한 트릭을 사용합니다. 새로운 기술이 시스템에 들어오면, 강력한 AI(LLM)를 단 한 번 사용하여 무질서하고 뒤섞인 기술 패키지를 읽고 이를 깨끗하고 구조화된 그래프로 변환합니다. 이것은 마치 번역가를 한 번 고용하여 혼란스러운 일기를 명확한 플로우차트로 바꾸는 것과 같습니다. 일단 그 그래프가 저장되면, 시스템은 더 이상 비싼 AI를 필요로 하지 않습니다.

기술을 검사할 시간이 되면, 시스템은 저장된 그래프를 단순히 비교하기만 하면 됩니다. 이는 빠르고 저렴하며, AI를 다시 호출할 필요가 없습니다. 시스템은 원래 기술의 "춤 동작"을 새로운 기술의 "춤 동작"과 비교합니다. 만약 음악과 의상이 다르더라도 춤 동작이 일치한다면, 시스템은 이를 플래그(flag)로 표시합니다.

연구 결과: 교활한 복제범 잡기

연구진은 자신들의 도구인 SkillTrace를 대규모 데이터셋으로 테스트했습니다. 그들은 확실히 재사용된 기술 820개(양성)와 우연히 유사할 뿐인 기술 751개(음성)로 구성된 SkillTrace-Bench라는 벤치마크를 만들었습니다.

결과는 인상적이었습니다. SkillTrace는 0.938(AUROC)과 0.898(F1 score)의 점수를 달성했습니다. 이를 쉬운 말로 풀이하자면, 이 도구는 실제 재사용을 포착하는 데 매우 뛰어났으며, 무고한 유사성에 대해 잘못된 경보를 울리는 일이 거의 없었다는 뜻입니다.

하지만 진짜 마법은 그들이 어떻게 찾아냈는가에 있었습니다. 논문은 서로 다른 유형의 "절도"가 서로 다른 흔적을 남긴다는 것을 보여주었습니다:

• "재포장업자(The Repackager)": 제목과 폴더 이름만 바꾸는 사람입니다. 기존 도구들도, SkillTrace도 이들을 쉽게 잡아냅니다.
• "재작성자(The Rewriter)": AI를 사용하여 코드와 텍스트를 완전히 다시 쓰는 사람입니다. 기존 도구들은 단어와 코드가 완전히 달라 보이기 때문에 이들을 놓치는 경우가 많습니다. 하지만 SkillTrace의 운영 흔적은 "춤 동작"(절차)이 동일하기 때문에 이들을 잡아냈습니다.
• "부분 도둑(The Partial Thief)": 코드만 훔쳐서 새로운 지침을 쓰거나, 지침은 훔치고 코드는 새로 쓰는 사람입니다. SkillTrace는 똑똑하게도 "이봐, 단어는 다르지만 코드는 일치해!"라거나 "코드는 새것이지만 흐름은 동일해!"라고 말할 수 있습니다.

공공 마켓플레이스의 36,446개 기술을 대상으로 한 실제 테스트에서, SkillTrace는 기존의 "전체 패키지" 기반 도구들이 놓쳤던 수천 건의 잠재적 재사용 사례를 찾아냈습니다. 또한 크고 명백한 복제뿐만 아니라, 사람들이 기술의 전체를 복사하지 않고 특정 부분만을 훔치는 엄청난 양의 "부분적" 재사용이 존재한다는 사실을 밝혀냈습니다.

이것이 왜 중요한가

논문은 AI 기술 생태계가 빠르게 성장하고 있기 때문에 이러한 세밀한 감사가 필요하다고 주장합니다. 누가 누구를 복제했는지 알 수 없다 없다면, 우리는 복제를 통해 퍼지는 버그를 수정할 수 없고, 창작자의 저작물을 보호할 수 없으며, 시장을 공정하게 유지할 수 없습니다.

SkillTrace는 법적 판단을 내리는 도구가 아닙니다. 즉, "당신은 절도죄를 저질렀다"라고 말하지 않습니다. 대신, 고도의 기술적 분류 시스템 역할을 합니다. "여기 보십시오, 옷은 다르지만 이 기술은 저 기술과 정확히 같은 '춤 동작'을 공유하고 있습니다. 사람이 좀 더 자세히 살펴볼 필요가 있습니다"라고 알려주는 것입니다. 증거를 단어, 코드, 운영으로 분리함으로써, SkillTrace는 인간이 최종 결정을 내릴 수 있도록 구체적인 단서를 제공합니다.

결론적으로, 저자들은 기술의 표면적인 모습이 아니라 기술이 작동하는 구조를 봄으로써, 우리가 드디어 AI 세계를 결속시키는 보이지 않는 실타래를 볼 수 있다는 것을 보여줍니다. 이는 자동차의 페인트칠은 바꿀 수 있어도, 엔진 전체를 다시 만들지 않고는 엔진의 설계도를 바꾸기는 어렵다는 점을 상기시켜 줍니다. SkillTrace는 마침내 그 설계도를 볼 수 있게 해주는 도구입니다.