해킹으로 유출된 소스 코드, Suno가 YouTube·Deezer·Genius에서 수백만 곡을 무단 수집했음을 드러내다

한 해킹 사건이 AI 음악 업계 최대의 비밀 중 하나를 터뜨렸다. Suno가 YouTube Music·Deezer·Genius에서 수백만 곡과 가사를 스크래핑해 모델을 구축했다는 것이다 — 회사가 단 한 번도 공개적으로 밝힌 적 없는 출처들이다.

핵심 요약

• 해커가 Suno 직원의 탈취된 자격증명을 이용해 회사 소스 코드에 접근했고, 이를 통해 이 AI 음악 생성기가 YouTube Music·Deezer·Genius에서 오디오를 스크래핑한 방식이 드러났다.
• Suno는 이전까지 학습 데이터의 내용이나 수집 방식을 공개하기를 거부해왔다 — 이번 사건은 데이터셋 파이프라인 내부를 처음으로 구체적으로 들여다볼 수 있는 기회다.
• 이번 노출로 Suno는 학습 데이터를 둘러싼 저작권 소송에 직면한 다른 AI 기업들과 같은 법적 위험에 처하게 됐으며, 여러 플랫폼의 권리 보유자들은 이제 문서화된 증거를 손에 쥐게 됐다.
• AI 아트·AI 오디오 창작자들에게 이번 사건은 이미지 생성기를 둘러싼 근본적인 질문을 다시 제기한다. 이러한 모델의 결과물을 상업적으로 사용할 때 법적 위험이 따르는가 하는 문제다.

침해 사고의 경위

TechCrunch에 따르면, 공격자는 Suno 직원의 자격증명을 이용해 접근 권한을 획득한 뒤 스크래핑 파이프라인을 상세히 기록한 소스 코드를 추출했다. 코드에는 Suno가 수십 년치 오디오를 — 메타데이터나 일부 발췌가 아닌 전체 트랙과 가사를 — 자동화된 수집을 명시적으로 금지하는 이용약관을 가진 플랫폼들에서 가져온 정황이 담겨 있었다. 기반 데이터는 404 Media가 최초로 보도했다.

이번 사건이 단순한 보안 침해를 넘어 중요한 이유는, 업계 관행에 대해 무엇을 확인해주는가에 있다. Suno는 학습 스택에 대해 가장 입을 굳게 다물어온 AI 음악 기업 중 하나였다. Stability AI·Midjourney 같은 이미지 생성 기업들이 스크래핑된 시각 콘텐츠 사용을 둘러싸고 공개적 비판과 소송에 직면해온 반면, 오디오 AI는 같은 수준의 문서화를 대체로 피해왔다. 이제 그 상황이 바뀌었다.

Suno가 밝히지 않으려 했던 학습 데이터

YouTube Music·Deezer·Genius는 결코 무명의 출처가 아니다. YouTube Music 하나만 해도 수억 곡을 보유하고 있으며, Genius는 웹에서 가장 지배적인 가사 저장소다. 라이선스 계약 없이 이 규모로 스크래핑하는 것은 플랫폼 이용약관과의 충돌은 물론, 해당 플랫폼에 콘텐츠를 올린 권리 보유자들 — 레이블·퍼블리셔·독립 아티스트 모두 — 과의 직접적인 갈등을 의미한다.

Suno는 이미 2024년에 Universal Music Group·Sony Music·Warner Music Group을 포함한 주요 음반사들로부터 저작권 소송을 당한 바 있다. 해당 소송은 Suno가 허가 없이 음원을 복제했다고 주장했다. 이번에 노출된 소스 코드는 원고 측 변호인들에게 AI 저작권 소송에서 좀처럼 얻기 힘든 것을 제공한다. 학습 데이터가 정확히 어디서 왔고 어떻게 수집됐는지에 대한 내부 문서가 바로 그것이다.

이 패턴은 이미지 생성 분야를 추적해온 이들에게 낯설지 않다. NYT의 OpenAI 상대 진행 중인 소송도 마찬가지로 회사가 학습 데이터에 대해 어떤 내부 증거를 은폐했는가를 중심으로 전개되고 있다. Suno의 경우, 공개는 소송 과정의 증거 개시가 아닌 보안 실패에서 비롯됐다.

AI 오디오 도구를 사용하는 창작자들에게 의미하는 것

AI 생성 음악을 영상 프로젝트·소셜 콘텐츠·AI 아트 쇼케이스의 배경음악으로 활용하는 창작자들에게, 법적 상황은 한층 더 불투명해졌다. Suno의 결과물이 무허가 음원에서 파생된 것으로 판명될 경우, 해당 결과물의 상업적 사용에는 하류 위험이 따른다 — 불투명한 학습 이력을 가진 도구에서 생성된 AI 이미지에 대해 일부 브랜드들이 신중한 태도를 취하게 만든 것과 같은 논리다.

실질적으로, 이는 어떤 AI 오디오 플랫폼이 명확하고 라이선스된 학습 데이터 공개 정보를 제공하는지 면밀히 살펴봐야 할 이유가 된다. 레이블과 라이선스 계약을 체결한 일부 경쟁사들은 이제 투명성을 하나의 기능으로 마케팅할 수 있는 위치에 서게 됐다. 이번 주 이전까지는 업계의 표준적 태도처럼 보였던 Suno의 데이터셋 침묵은, 이제 하나의 법적 부채처럼 보인다.

AI 이미지 창작자들에게 Suno 침해 사건은 학습 데이터 불투명성이 특정 모달리티에만 국한된 문제가 아님을 상기시켜주는 유용한 사례다. 이미지 모델에 대해 물어볼 가치가 있는 질문들 — 무엇으로 학습됐는가, 라이선스는 확보됐는가 — 은 창작 워크플로에 통합되고 있는 오디오 도구에도 똑같이 적용된다. 이 질문들에 명확히 답할 수 있는 플랫폼이 점점 더 안전한 창작의 선택지가 되고 있다.