ARTEX와 그 일당들: 자율형 해킹 에이전트의 시대가 열리다

최근 위협 가해자들이 자율형 에이전트 프레임워크(Agentic Frameworks)를 무기화하여 고도로 자동화된 침해 공격을 감행하는 사례들이 관찰되면서, 공격자들의 진화하는 대규모 언어 모델(LLM) 악용 방식에 세간의 이목이 집중되고 있습니다. Google 위협 분석 그룹(GTIG)은 지난 2026년 9월 보고서]를 통해, 트렌드를 선도하는 앞선 해커들이 단순히 프롬프트를 입력하는 기초적인 단계에서 벗어나 자율형 에이전트 기반의 워크플로우와 LLM을 결합한 자동화 체계로 전환하기 시작했다고 경고한 바 있습니다.

이는 침해 사고가 '기계의 속도(Machine speed)'로 발생하고 있으며, 복잡한 공격 경로들이 자율적으로 연결(Chaining) 및 자동화되면서 침해의 파괴력과 규모가 기하급수적으로 확장되는 패러다임의 대전환을 의미합니다. 탈취된 자격 증명(ID/비밀번호)을 악용하거나 패치되지 않은 시스템의 취약점을 표적으로 삼는 등의 공격 메커니즘 자체는 과거와 동일합니다. 하지만 이러한 알려진 취약점을 자율형 프레임워크가 악용하는 '속도와 규모'는 방어자들에게 완전히 새로운 차원의 과제를 던져주고 있습니다. 이제 보안 팀, 개발자, 시스템 관리자들은 스스로 확장하고 진화하는 자율적인 소프트웨어에 맞서기 위해 전통적인 방어 전략을 근본적으로 재설계해야 합니다. 이에 Mandiant 컨설팅이 제안하는 실질적인 방어 전략을 함께 제공합니다. 이번에 권장하는 방어 전략은 제어 평면 격리(Control-plane isolation), 단기 자격 증명 사용, 최소 권한 원칙(Least privilege), 네트워크 분할(Segmentation), 그리고 행동 기반 탐지(Behavioral detection) 등으로, 오랜 기간 검증되어 온 핵심 보안 모범 사례들입니다.

현장 분석 및 관찰 결과

위협 가해자들이 사용하는 도구들은 자율적인 에이전트 기반 공격 방식으로 진화하고 있습니다. 이러한 진화의 대표적인 사례 중 하나가 모의침투 테스트(Pentesting)용으로 설계된 도구 및 프레임워크 모음(Suite)을 악용하는 것입니다. 이 프레임워크들은 오픈소스 및 최첨단 프론티어 LLM들을 활용해 다양한 특화 에이전트들을 조율함으로써 침투 공격의 여러 단계를 스스로 자동화합니다. 과거에는 사이버 스파이 그룹이나 금전적 목적을 가진 위협 가해자들이 시스템을 공략하기 위해 Cobalt Strike(코발트 스트라이크)나 Metasploit(메타스플로잇)과 같이 보안 전문가용으로 설계된 레드팀/모의침투 플랫폼을 가로채 사용해 왔습니다. 하지만 오늘날 공격자들의 중심축은 LLM 기반의 공격용 프레임워크로 빠르게 이동하고 있습니다. 이전에도 이러한 프레임워크들이 수면 아래 존재하긴 했지만, 이제는 실제 침해 현장에서 가시적인 공격 성공 사례들을 만들어내고 있습니다. 이는 공격의 속도와 파괴 범위를 동시에 끌어올리는 치명적인 진화 단계입니다.

ARTEX 프레임워크 상세 분석

ARTEX(아텍스)는 Go 언어로 작성되고 내장형 Next.js 웹 콘솔을 지원하는 자율형 멀티 에이전트 LLM 기반 모의침투 및 공격용 C2(명령 및 제어) 플랫폼입니다. 이 프레임워크는 원래 개발자 Autumn-27이 개발하여 GitHub에 오픈소스로 최초 공개했습니다. 2026년 10월, 광범위한 위협 가해자들의 악용으로 인해 개발자가 원본 저장소(Repository)를 삭제했으나, ScopeWeaver(스코프위버)와 같은 지역별 변종 및 상용 버전인 'ARTEX PRO'를 포함한 수많은 커뮤니티 포크(Fork) 버전을 통해 현재도 전 세계적으로 급격히 확산되고 있습니다. 

실제 공격 집단들의 ARTEX 도입 동향

2026년 8월 말부터 ARTEX는 금전적 이득을 노리는 랜섬웨어/협박 그룹부터 고도화된 사이버 스파이 조직에 이르기까지 다양한 목적을 가진 위협 가해자들에게 무차별적으로 도입되고 있습니다.

일례로, Wiz 리서치 팀이 추적 중인 ARTEX 관련 공격 캠페인은 GTIG가 UNC7228로 추적하는 그룹과 일치하며, 이는 Microsoft가 중국 연계 공격 그룹으로 분류한 'STORM-0940'의 활동과 겹치는 것으로 확인되었습니다. 최신 연구에 따르면 이들의 공격은 지난 10월에 집중되었던 IT 공급망 공격을 넘어, 이미 최소 2026년 8월 이전부터 폭넓게 실행되었음이 밝혀졌습니다.

Wiz는 미국과 유럽 전역의 엔터프라이즈 소프트웨어, 산업 자동화, 반도체 제조 및 설계, 통신 부문의 핵심 기업들이 이 공격 그룹에 의해 침해당하고 데이터를 유출당한 사실을 식별했습니다. 이 공격 집단의 침투 속도는 상상을 초월할 정도로 빨랐습니다. 최초로 탈취한 계정을 확보한 순간부터 시스템 심층부 권한을 획득하기까지 평균 4시간밖에 걸리지 않았으며, 심지어 단 15분 만에 전체 침투를 완료한 사례도 포착되었습니다. 이들은 피해 기업 특유의 인프라 환경에 맞춰 공격 도구를 즉석에서 커스터마이징하고, 초기 공격 인프라(IP 등)가 차단당할 경우 오픈 프록시(Open Proxy)로 즉시 우회하는 치밀함을 보였습니다.

또한 GTIG와 Mandiant의 침해 사고 대응 조사 결과에 따르면, 수많은 공격 그룹들이 침투 후 정찰(Post-compromise reconnaissance), 내부망 이동(Lateral movement), 권한 상승을 수행하기 위해 ARTEX를 적극 활용하고 있는 것으로 나타났습니다. 여기에는 탈취한 데이터를 기반으로 금전을 요구하는 랜섬웨어 그룹과 중국 연계로 의심되는 추가 해킹 클러스터들이 포함됩니다. 이들의 공격은 미국의 정부 기관, 기술 기업, 화학 및 소재, 제조업 전반에 걸쳐 심각한 타격을 입혔으며, 아시아 지역의 금융권을 표적으로 삼은 ARTEX 공격 사례 역시 기사를 통해 확인된 바 있습니다.

인간 해커 vs ARTEX 에이전트: 결정적인 차이점

일부 침해 사고에서 공격자들은 대상 조직의 탈취된 유효 자격 증명(ID/비밀번호)을 ARTEX 프레임워크에 그대로 주입한 뒤, 이후 모든 공격 단계를 자율적으로 실행하도록 명령했습니다. 이 침해 사고들을 정밀 분석한 결과, 인간 해커의 수동 조작과 ARTEX 자율형 에이전트의 구동 방식 간에는 다음과 같은 결정적인 차이점이 존재함이 밝혀졌습니다.

• 초고속 압축 버스트(Burst) 구동 패턴로그 파일과 타임스탬프 분석 결과, 일반적인 인간 운영자에게서는 결코 볼 수 없는 매우 이례적인 폭발적 활동 패턴이 확인되었습니다. 물론 공격 작전 단계 사이에 장시간의 일시 중지(Pause)가 발생하는 것은 기존 공격과 유사하지만, 개별 ARTEX 에이전트의 실행 시퀀스는 약 2~25초라는 극도로 압축된 폭발적인 시간(Burst time) 내에 완료되었습니다.한 침해 사고에서는 단 23초의 액티브 버스트 시간 동안 무려 27개의 보안 이벤트가 연달아 발생하며 서로 다른 보안 그룹 간의 AWS 권한을 순식간에 정찰하는 정황이 포착되었습니다. 또한 데이터를 유출하기 위한 스크립트를 준비하는 과정에서 "스크립트 크기가 너무 큼(script too large)"이라는 기술적 에러가 발생하자, ARTEX는 스스로 스크립트 길이를 축소하고 코드를 수정하여 재가동하는 방식으로 단 10초 만에 17개의 스냅샷 인스턴스를 성공적으로 배포해 냈습니다.

• 포렌식 흔적(Noise)이 많이 남는 시행착오 방식숙련된 인간 해커와 비교했을 때, ARTEX는 자율형 에이전트 특유의 빠르고 반복적인 시행착오(Trial-and-error) 방식에 의존하기 때문에 시스템에 매우 시끄러운(Forisically noisy) 포렌식 흔적을 다량으로 남겼습니다.실제 유효한 자격 증명을 부여받은 ARTEX가 외부 노출형 Linux Weaver OA 웹 서버에 접속하여 exposed API 호출을 통해 SQL 명령을 실행한 사례가 있었습니다. ARTEX는 비록 기술적인 난관에 봉착했음에도 불구하고, 합법적으로 노출된 애플리케이션 특화 API 호출을 조작해 부분적인 명령 실행과 추가 정찰을 끝내 성공시켰습니다. 그러나 이 과정에서 무려 240개의 웹 로그 이벤트가 발생했으며, 동일한 목표를 향해 달리는 여러 서브 에이전트들이 서로의 명령과 파일 위에 데이터를 덮어쓰는 과정에서 다수의 시스템 에러 로그가 고스란히 기록되었습니다.

실제 웹쉘(Webshell) 제작 및 자율 실행 메커니즘 분석

데이터베이스 실행 권한에서 시스템 실행 권한으로 피벗(Pivot)하기 위해, ARTEX는 확보한 계정 권한으로 접근 가능한 애플리케이션 특화 SQL API를 조작했습니다. 목표는 MySQL 인스턴스가 웹 서버의 공개 경로에 .jsp 확장자 형태로 로그 파일을 쓰도록 설정을 바꾸는 것이었습니다. 실행된 SQL 명령들은 MySQL 로그를 변조하여 웹에서 직접 실행 가능한 JSP 웹쉘을 강제로 침투시키기 위한 수단이었습니다.

1. 로그 설정 변조 및 웹쉘 경로 정의ARTEX는 API를 통해 먼저 SET GLOBAL general_log_file = '<웹쉘 배포 대상 경로>' 명령을 가동한 뒤, 이어서 SET GLOBAL general_log = 1을 실행했습니다. 이로 인해 이후 실행되는 모든 SQL 쿼리 텍스트가 지정한 .jsp 파일 경로에 텍스트 형태로 실시간 기록되도록 세팅되었습니다.

2. JSP 웹쉘 코드 인젝션설정이 완료되자 ARTEX는 다음과 같은 형태로 SQL SELECT 구문을 실행했습니다.SELECT '<% [실제 웹쉘 소스 코드] %>'Java 기반 웹 서블릿(Servlet)이 JSP 파일을 처리하는 아키텍처 특성상, 파일 내 <% %> 태그 안에 주입된 Java 소스 코드는 웹 서버 가동 메모리 영역으로 로드되고 컴파일되어 즉시 실행 권한을 확보하게 됩니다.

3. 에이전트의 자체 에러 수정(Self-Refactoring) 프로세스로그 활성 기록 분석 결과, ARTEX는 임시적이고 점진적으로 증가하는 파일명(cl1217.jsp, f1219a.jsp, z1219.jsp 등)을 부여해 가며 위의 웹쉘 주입 시퀀스를 수없이 반복 실행했습니다.웹쉘 가동 도중 "variable 't' is already defined(변수 't'가 이미 정의되어 있음)"과 같은 컴파일 오류가 발생하여 웹쉘 실행이 실패하자, ARTEX는 스스로 코드를 수정하고 다듬는 **리팩토링(Refactoring)**을 진행했습니다. 서로 다른 기능을 가진 고유 웹쉘들을 연속해서 밀어 넣으며 에러를 하나씩 수정해 나갔고, 마침내 .jsp 웹쉘이 정상 컴파일되어 가동되자 목표했던 결과값을 자율적으로 회수해 갔습니다.

또한, 다른 시스템 권한 정찰 공격에서는 artex-probe-* 형식(여기서 *은 5자리의 점진적인 숫자)의 무수한 탐침용 파일을 생성하는 특이 패턴이 식별되었습니다. 이러한 고유한 증분식 숫자 패턴은 침투 과정에서 임시 생성된 파일명뿐만 아니라, 강제로 추가된 계정명, 비밀번호, 심지어 전송된 이메일 제목에서도 동일하게 식별되어 ARTEX의 매우 확실한 침해 지표(IoC) 역할을 하고 있습니다.

공격 라이프사이클 단계별 ARTEX 에이전트의 정찰 및 공격 매핑 테이블

PentAGI 공격 프레임워크

Google 위협 분석 그룹(GTIG)은 실제 침해 현장에서 PentAGI(Penetration Testing Artificial General Intelligence)의 악용 사례 또한 지속적으로 관찰하고 있습니다. PentAGI는 격리된 가상 환경 내에서 모의침투 테스트(Pentesting) 과정을 완전 자동화하도록 설계된 자율형 공격 프레임워크입니다. 보안 전문 기업 VXControl이 개발한 이 프레임워크는 오픈소스 버전과 상용 에디션으로 동시에 제공됩니다. 무엇보다 사용자가 단순히 공격 타겟과 최종 목표(Goal)만 명시하면 되도록 설계되어 있어, 보안 기술 지식이 부족한 초급 수준의 공격자(Entry-level users)조차 고도로 복잡한 사이버 침해 캠페인을 손쉽게 가동할 수 있다는 치명적인 특징을 가집니다. 공격 대상과 최종 목표가 지정되면, 프레임워크는 각기 고유한 기능과 도구를 부여받은 특화 서브 에이전트 팀을 가동합니다. 이 에이전트들은 공격 작업(이를 '플로우(Flows)'라고 함)을 여러 개의 세부 하위 작업으로 쪼개고, 각 단계를 자율 실행한 뒤 결과를 프레임워크에 보고합니다.

특히 모든 공격 도구와 실행 명령은 호스트 시스템 환경이 아니라, 칼리 리눅스(Kali Linux)가 구동되는 격리된 샌드박스 내부에서 안전하게 실행됩니다. PentAGI가 악용하는 도구들은 Metasploit(메타스플로잇), Nmap(엔맵), SQLmap(에스큐엘맵) 등 칼리 리눅스에 기본 탑재된 신뢰도 높은 오픈소스 모의침투 툴들입니다. 또한 이 프레임워크는 글로벌 최첨단 프론티어 LLM부터 로컬에서 실행 가능한 오픈 가중치(Open-weight) 모델에 이르기까지 10여 개 이상의 다양한 클라우드 및 온프레미스 LLM 백엔드를 유연하게 지원합니다. 현장에서 관찰된 PentAGI 활동의 대부분은 아직 WHOIS 자산 매핑이나 단순 취약점 스캔 단계에 머물러 있었습니다. 하지만 실제 침해 사고의 흔적(Artifacts)들을 정밀 분석한 결과, 일부 작전은 이미 여러 기업 및 정부 기관을 상대로 실질적인 내부망 침투 및 지속성 유지(Persistence) 단계까지 진입했음이 밝혀졌습니다.

공격자들은 이 프레임워크를 매우 다양한 방식으로 커스터마이징하고 연동하고 있습니다. 일례로, 2026년 8월 말에서 10월 초 사이에 아시아 지역의 시스템 통합(SI) 기업 및 대형 통신사들을 표적으로 체계적인 정찰과 취약점 스캔을 수행하는 데 PentAGI 오픈소스 버전을 기반으로 튜닝된 커스텀 공격 플랫폼이 사용된 정황이 식별되었습니다. 또 다른 침해 사고에서는 글로벌 항공우주(Aerospace) 분야를 타겟팅하기 위해 PentAGI와 프록시(Proxy) 네트워크 서비스를 복잡하게 체이닝(Chaining)하여 활용하는 영악한 공격 기법이 포착되었습니다.

자율형 공격 프레임워크의 진화 단계

최근 매우 짧은 기간 동안 사이버 위협 지형 전반에서 LLM의 악용 방식이 급격히 성숙하고 있습니다. 여기에는 LLM이 작성한 악성 코드 삽입, 동적으로 자율 구동되는 LLM 연동형 악성코드의 진화, 에이전트 하네스(Harness) 파일 변조, 그리고 앞서 다룬 멀티 에이전트 기반 공격 프레임워크의 구축 등이 모두 포함됩니다. 특히 2025년 말에서 2026년 10월 사이, 자율 및 반자율형 공격 프레임워크는 단순한 실험 단계를 넘어 실제 공격 집단이 침해 사고를 일으키기 위해 무기화하는 '실전 가동 단계'의 임계값을 완전히 넘어섰습니다.

GTIG는 코딩을 돕는 단순한 프롬프트 입력 단계에서부터 시작해, 오픈소스 프레임워크의 실전 무기화를 거쳐, 최종적으로는 인간의 개입이 전혀 없이 스스로 침투하는 '완전 자율형 해킹 프레임워크'로 나아가는 진화 흐름을 정밀 추적해 왔습니다. 완전 자율형 공격이 보편화되는 미래에는 인간의 역할이 단지 '공격 대상 지정'에 그치며, 에이전트가 알아서 달성해 온 전술적 전과를 편하게 챙기는 수준으로 축소될 것입니다.

현재 보고서 작성 시점을 기준으로, 공격자들의 자율형 프레임워크 사용은 아직 오픈소스 도구를 투박하게 다루는 초기 단계에 머물러 있습니다. 이로 인해 공격 흔적이 매우 시끄럽고 널리 노출(Noisy)되지만, 그럼에도 불구하고 많은 캠페인들이 침투에 성공하고 있습니다. 그러나 프레임워크 자체의 고도화와 기반 LLM의 성능 향상, 그리고 이를 조율하는 인간 운영자의 숙련도가 결합됨에 따라 향후 인간의 개입은 더욱 최소화되는 동시에 공격의 은밀함(Stealth)과 정교함은 극대화될 것입니다.

다음은 지난 1년간 발생한 클라우드 및 AI 기반 사이버 작전의 진화 양상과 향후 당사가 예측하는 위협 단계별 타임라인입니다.

공격자들은 앞으로도 이러한 해킹 특화 자율 에이전트 프레임워크를 지속적으로 실험하며 완전 자율형 해킹의 시대로 나아갈 것입니다. GTIG는 이미 실제 해킹 현장에서 공격자들이 ZeroHollow 추론 서비스와 완전한 자율형 에이전트 아키텍처를 자랑하는 AgentZero 등의 최신 툴킷을 다루며 적대적 실험을 시작했음을 명백한 데이터로 증명하고 있습니다.

지난 12개월 동안 Google 위협 분석 그룹(GTIG)은 임시방편적인 업무 생산성 향상 수준에 머물렀던 공격자들의 LLM 활용 방식이 조율된 자율형 멀티 에이전트 공격 프레임워크의 실전 배포 단계로 결정적인 진화를 이룩했음을 확인했습니다. 당사의 분기별 보고서에 기록된 초기 이정표들이 에이전트 기술에 대한 초기 탐색 과정을 보여주었다면, 최근 침해 사고 대응 현장과 선제적 위협 인텔리전스 수집을 통해 관찰된 실상은 공격자들이 실제 침투 도중 특정 작전 단계를 완전히 자동화하는 데 이 프레임워크들을 전면 도입하고 있음을 보여줍니다. 위협 가해자들은 전례 없는 속도와 규모를 달성하기 위해 생성형 모델을 적극 활용하고 있으며, 자율형 AI 역량과 AI 기반 자동화 기술을 장착한 고도로 복잡한 공격 인프라를 구축해 나가는 추세입니다.

ARTEX와 같은 프레임워크는 공격 소요 시간을 '기계의 속도'로 단축하지만, 현재로서는 '속도'를 위해 '은밀함(Stealth)'을 희생하는 한계를 보이고 있습니다. 제약 없는 자율 실행 프로세스는 필연적으로 시스템 포렌식 흔적(Traffic)을 다량 발생시키고, 특정 유형의 계정 식별자를 사용하며, 코드 레벨에서 뚜렷한 흔적을 남기기 때문에 보안 솔루션에 의해 탐지 및 차단당할 확률이 매우 높습니다. 따라서 이 도구들은 현재 탐지당했을 때의 리스크나 기회비용이 비교적 낮은 무차별 공격 시나리오에 가장 적합합니다. 아울러 '탐지'와 '실시간 차단 및 대응(Response)'은 엄연히 다른 영역입니다. 설령 공격을 정시에 탐지하더라도, 이미 머신의 속도로 가동 중인 에이전트의 최종 목표 달성을 저지하기에는 물리적 시간 장벽이 존재합니다.

이에 따라 GTIG는 높은 신뢰도로 다음과 같이 진단합니다. 사이버 범죄 집단들은 자율형 공격 도구를 자신들의 작전에 계속해서 통합할 것입니다. 자동화를 통해 넓어진 공격 범위와 공격 횟수가 개별 공격의 성공률 하락을 충분히 상쇄하고도 남기 때문입니다. 다만, 장기 침투 및 흔적 은닉을 전문으로 하는 지능형 지속 위협(APT) 그룹의 경우, 현재 유포되는 오픈소스 기반 도구들을 그대로 사용할 가능성은 낮습니다. 그러나 이들 역시 작전의 우선순위에 따라 대규모 정찰이나 신속한 침투가 필요할 때는 자체 커스텀 도구를 투입해 속도전을 펼칠 수 있습니다. 공격자들의 궁극적인 범행 동기가 무엇이든 간에, 낮은 진입 장벽, 새로운 취약점의 즉각적인 연동 성능, 그리고 가공할 만한 대규모 확장 성장은 자율형 프레임워크를 매력적이고 저비용 고효율인 '보안 위협의 게임 체인저(Force Multiplier)'로 만들고 있습니다. 따라서 단기적으로 이러한 자율형 프레임워크를 도입하는 위협 행위자들은 더욱 늘어날 것이 확실시됩니다.

AI 기반 공격에 맞서는 5단계 방어 체계

LLM 기반의 공격용 도구들이 공격자들이 사용하는 기본 해킹 기술(Techniques) 자체를 완전히 새롭게 바꾸는 것은 아닙니다. 달라진 점은 이 기술들을 서로 엮어내는 '소요 시간'을 획기적으로 줄여준다는 것입니다. 과거에는 인간 해커가 수시간 동안 수작업으로 진행해야 했던 자격 증명 탐색, 유효 권한 테스트, 내부망 수평 이동, 데이터 유출 준비 작업이 이제는 단 몇 분 만에 자율 실행됩니다. 심지어 정상적인 계정 권한과 정식 시스템 기능을 오용해 수행되기 때문에, 기존의 정적 탐지 기술(Rule-based)로는 잡아내기 매우 어렵습니다.

기업과 조직이 이러한 기계 속도의 위협에 맞설 수 있는 가장 확실한 방법은, 단 하나의 ID나 자격 증명, 워크로드가 침해당하더라도 공격자가 획득할 수 있는 권한을 극도로 제한하는 구조를 만드는 것입니다. 제어 평면(Control-plane)의 외부 노출을 최소화하고, 만료 기한이 긴 고정 자격 증명(Long-lived secrets)을 권한 범위가 타이트하게 제안된 단기 자격 증명(Short-lived credentials)으로 전면 대체해야 합니다. 또한 애플리케이션 계층을 세분화(Segmentation)하고, 비즈니스에 치명적인 영향을 미치는 주요 기능에 이중 결재 등의 가드레일을 설치하면 자동화가 제공하는 속도의 이점을 완벽히 무력화할 수 있습니다.

행동 기반 탐지(Behavioral detection)는 이러한 강력한 보안 제어로도 막지 못한 사각지대의 위협을 식별해 내지만, 이를 구현하기 위해서는 계정 정보, 제어 평면, 데이터 평면, 네트워크 트래픽 등에서 평소 정상 상태(Baseline)가 어떤지 식별할 수 있는 충분한 모니터링 데이터(Telemetry)가 사전에 확보되어 있어야 합니다. 방어자들에게 이 제어 기술들은 전혀 새로운 것이 아닙니다. 다만 인공지능 자율 도구가 이제 이 방어벽 사이의 틈새와 사각지대를 예전보다 훨씬 빠르게 찾아내고 파고든다는 사실을 뼈아프게 직시해야 합니다.

핵심 요약: 자동화 공격의 핵심 메커니즘

LLM 악용이 공격 타임라인을 변화시키는 방식

실제 침해 사고 분석 결과, LLM 기반 도구나 고도로 자동화된 해킹 툴이 개입된 공격 현장에서는 다음과 같은 네 가지 핵심 위협 패턴이 예외 없이 반복되어 나타납니다.

Mandiant는 자율형 공격 도구의 속도 이점을 완전히 무력화하고 내부망 이동을 철저히 제어하기 위해, 다음 5가지 핵심 방어 계층을 엔터프라이즈 아키텍처에 구현할 것을 강력히 권고합니다.

1단계: 제어 평면 보호

보안 영역에서 제어 평면(Control Plane)은 단순히 액티브 디렉토리(AD)나 클라우드 관리 콘솔에만 국한되지 않습니다. 다음과 같은 전사적 핵심 관리 인프라 전체가 제어 평면에 포함됩니다.

• ID 제공업체(IdP, Identity Providers) 및 클라우드 관리 API

• 네트워크 및 방화벽 관리 플랫폼

• 가상화 인프라 및 소스 코드 저장소(Code Repositories)

• CI/CD 배포 시스템 및 권한 있는 액세스 관리(PAM) 플랫폼

• 백업 인프라 및 인증 기관(CA, Certificate Authorities)

• SaaS 관리 콘솔 및 핵심 애플리케이션 관리 인터페이스

보안 측면에서 왜 중요한가

해커가 계정 자격 증명을 탈취하는 순간, 인터넷에 노출되어 있는 모든 관리 인터페이스는 즉시 가장 치명적인 침투 경로(Attack Path)로 무기화됩니다. 예를 들어, Azure App Service(앱 서비스)는 개발 및 관리를 돕기 위해 Kudu 사이트 컨트롤 매니저(Kudu SCM)라는 강력한 관리 인터페이스를 기본 제공합니다. 만약 공격자가 배포(Publishing) 자격 증명이나 해당 SCM 인터페이스에 접근할 수 있는 계정을 탈취한다면, 자동화 도구(ARTEX 등)를 통해 눈 깜짝할 사이에 인증 프로세스를 테스트하고, 내장 기능을 열거하며, 소스 코드 파일 조작, 임의 명령 실행, 결과값 유출, 흔적 자가 삭제 등의 시퀀스를 완벽하게 자동 가동할 수 있습니다.

이와 동일한 보안 위험이 방화벽 관리자 페이지, 가상화 콘솔, 클라우드 관리 API, 백업 인프라, CI/CD 인터페이스 및 다양한 관리 서비스 전반에 똑같이 존재합니다. 해커가 외부에서 접근할 수 있는 관리 경로가 단 하나라도 열려 있다면, 자율형 공격 도구에게는 무제한으로 테스트할 수 있는 새로운 해킹 무대를 제공해 주는 꼴이 됩니다.

구체적인 기술적 완화 조치

2단계: 계정 및 보안 키 최소화

지금까지의 대다수 기업 보안 프로그램은 주로 인간 사용자(임직원 계정)의 ID 보호에 집중해 왔습니다. 이로 인해 서비스 주체(Service Principals), 서비스 계정, API 키, 클라우드 스토리지 키, 배포용 토큰, 개인 액세스 토큰(PAT), 애플리케이션 내장 Secrets 등 시스템 간 연동에 쓰이는 비인간 계정들은 막강한 권한을 가졌음에도 보안 감사와 통제의 사각지대에 놓이기 쉬웠습니다.

이러한 프로그램 기반 자동화 계정(Programmatic Identities)이 만료 기한이 없고, 광범위한 권한을 가지며, 접근 조건 통제가 불가능하고, 모니터링조차 되지 않는 상태로 방치되어 있다면, 자율형 공격 도구(ARTEX 등)에게는 더할 나위 없이 훌륭한 고속 침투 통로가 됩니다.

보안 측면에서 왜 중요한가

클라우드 스토리지의 액세스 키가 인터넷상에 노출된 시나리오를 가정해 보십시오. 자동화 해킹 도구가 소스 코드 저장소, 환경 변수, 설정 파일, 데이터베이스 등에서 이 키를 수집하는 즉시, 단 1초도 걸리지 않아 유효성을 테스트하고 연동된 스토리지 내부의 모든 기밀 데이터를 열거하고 추출하기 시작합니다. 만약 이 키가 만료 기한이 존재하지 않고(Long-lived), 인터넷 어디서나 접속을 허용하며, 전체 스토리지에 접근할 수 있는 슈퍼 권한을 가지고 있다면, 단 한 번의 키 유출 사고가 기업의 전사적 데이터 대량 탈취라는 초대형 재앙으로 수 분 만에 직결됩니다.

이러한 공격 공식은 CI/CD 배포 시스템이나 내부 개발 인프라용 서비스 주체에도 동일하게 작동합니다. 내부 개발용 CI/CD 러너(Runner)에 부여된 자격 증명이 아무런 물리적 대역 제어 장치 없이 퍼블릭 외부 인터넷 환경에서도 생산 서버 인프라에 직접 로그인을 허용한다면, 그 위험성은 걷잡을 수 없이 커지게 됩니다.

따라서 자격 증명 보안은 단순히 '해당 계정이 무엇에 접근할 수 있는가(What)'를 넘어, '어떤 엄격한 환경 조건 하에서만 이 권한이 유효하게 작동하는가(Conditions)'를 동시 제어해야 합니다.

구체적인 기술적 완화 조치

3단계: 구성 보호 및 공격 경로 축소

자율형 자동화 도구(ARTEX 등)는 개별적으로는 미미해 보이는 작은 보안 취약점들을 하나로 엮어 거대한 공격 경로(Attack Path)를 만들어내는 데 매우 뛰어난 성능을 보여줍니다.

• 외부 노출형 애플리케이션의 취약점

• 과도한 권한이 설정된 워크로드 계정(Identity)

• 시스템 환경 변수 내에 하드코딩된 API Key

• 아무런 제약이 없는 아웃바운드 인터넷 접근 권한

이러한 취약점들은 단독으로 존재할 때는 관리 가능한 위험처럼 보일 수 있지만, 이들이 결합되는 순간 기업의 가장 민감한 핵심 데이터베이스와 내부 인프라로 직접 직행하는 '고속도로'를 제공하게 됩니다.

보안 측면에서 왜 중요한가

외부 인터넷에 개방된 애플리케이션에서 발견된 사소한 취약점은 처음에는 격리된 문제처럼 보일 수 있습니다. 그러나 실제 공격 현장에서 이 애플리케이션은 백엔드 데이터베이스에 연결되어 있으며, 그 데이터베이스에는 전사 관리자 계정이 저장되어 있을 수 있습니다. 또한 애플리케이션의 환경 변수에는 클라우드 액세스 토큰이 그대로 노출되어 있고, 가상 머신(Host)에는 클라우드 저장소나 백업 API에 무제한 접근할 수 있는 강력한 클라우드 관리 ID가 바인딩되어 있는 경우가 다반사입니다.

자율형 공격 에이전트는 이러한 연결 고리들을 몇 초 만에 초고속으로 차단 및 악용(Exploit)해 나갑니다. 특히, 에러 발생 시 반환되는 시스템 응답은 이 자동화 도구에게 매우 유용한 실시간 피드백이 됩니다. 애플리케이션 오류 메시지, 상세 스택 추적(Stack Trace), 데이터베이스 예외 반환 코드, 컴파일러 아웃풋, 혹은 API 오류 텍스트를 LLM 에이전트가 읽는 순간, 단 몇 초 만에 다음 공격 쿼리를 완벽히 수정(Refactoring)하여 공격을 성공시킵니다. 따라서 외부로 노출되는 상세 진단 에러 정보는 개발자들의 디버깅 편의성을 넘어, 공격 에이전트의 자동화 학습 속도를 폭발적으로 가속화하는 치명적인 무기가 됩니다.

구체적인 기술적 완화 조치

4단계: 애플리케이션 가드레일 장착

공격자들의 침투 활동 중 상당수는 새로 만든 악성코드를 심는 복잡한 수법이 아닌, 이미 조직 내부망에 정상 배포되어 있는 정식 기본 기능들을 가로채 오용(Living-off-the-Land)하는 방식으로 전개됩니다. 사내 내부 시스템, 업무 자동화 스크립트, 관리자용 API, 배포 시스템, 비즈니스 워크플로우 등은 해커에게 최상의 공격 무기가 되며, 자율형 LLM 에이전트는 이러한 정상 빌트인 기능을 초고속으로 스스로 분석하고 파고들어 공격 효율을 극대화합니다.

보안 측면에서 왜 중요한가

사내 내부 웹 서비스, 자체 제작 스크립트, 레거시 API 등은 외부 포털에 기술 규격이 공개되어 있지 않기 때문에 본래 해커가 취약점을 찾아내 공격하려면 많은 수동 분석 시간이 필요했습니다. 그러나 LLM 기반 자율형 공격 도구는 이러한 맞춤형 코드와 비공개 시스템 규격을 단 몇 초 만에 자동으로 분석하고 즉석에서 익스플로잇 코드를 생성해 내는 뛰어난 분석 능력을 보유하고 있습니다.

대표적인 예가 내부 알림 및 이메일 연동 API 오용입니다. 만약 비즈니스 웹 앱 계정 하나가 탈취되었을 때, 이 계정이 전사 알림 톡이나 사내 대량 메일 발송 API 권한을 정상적으로 보유하고 있다고 가정해 보십시오. 메일을 보내는 행위 자체는 해당 앱의 '정상 작동 시나리오'이므로 기존 보안 탐지 룰을 타지 않습니다. 하지만 이 권한을 자율 에이전트가 가로채는 순간, 순식간에 수천 수만 명의 임직원과 외부 파트너를 상대로 고충실도 피싱 이메일을 초고속으로 무차별 브로드캐스트 전송하는 '사내 피싱 유포 기지'로 무기화됩니다. 만약 해당 API에 1회당 발송 한도, 분당 발송 한도(Rate Limit), 혹은 비정상 볼륨 모니터링 등의 가드레일이 부재하다면 전사적 피싱 피해를 피할 수 없게 됩니다.

구체적인 기술적 완화 조치

5단계: 행동 기반 볼륨 변화 탐지

자율형 해킹 에이전트가 수행하는 대부분의 공격 쿼리와 명령들은 겉으로 보기에는 지극히 평범한 일상의 업무 트래픽과 동일해 보입니다. 따라서 탐지의 성패는 오직 '풍부한 맥락 분석(Contextual Telemetry)'에 달려 있습니다. 로그인 시도 속도, 발신 네트워크의 소유주(ASN), 데이터 발송 볼륨, 시간대별 호출 주기, 동일 계정의 연속 행위 시퀀스 등을 정밀 분석해야 해킹 도구의 실체를 가려낼 수 있습니다.

보안 측면에서 왜 중요한가

시스템 내부의 서비스 주체(Service Principal)가 클라우드 Object 스토리지에 주기적으로 접속해 데이터를 조회하는 행위 자체는 지극히 일반적입니다. 그러나 평소에 오직 사내 전용선 망 내부에서 하루에 단 10개의 데이터만 호출하던 서비스 계정이, 갑자기 생소한 해외 퍼블릭 가상 클라우드(VM) 호스팅 네트워크를 통해 단 1초 만에 수만 개의 민감 데이터 객체를 일괄 열거하고 대량으로 백업 다운로드하기 시작한다면 이는 완전히 다른 위협 상황입니다.

외부를 향하는 아웃바운드 인터넷 트래픽 역시 강력한 탐지 지표가 됩니다. 침해당한 서버에서 가동 중인 자동화 해킹 도구는 명령 성공 여부를 공격자에게 피드백하거나 기밀 데이터를 외부로 전송하기 위해 외부 웹훅 수신 서비스(webhook.site 등), 무료 파일 공유 스토리지, 터널링 네트워크, 혹은 공격자가 사설 구축한 외부 LLM 추론 서버 포털 등으로 트래픽을 지속 발송하게 됩니다.

서버가 외부 인터넷상의 임의의 목적지 하나와 접속하는 것은 흔한 일일 수 있습니다. 하지만 평생 동안 오직 5개의 정해진 사내 도메인과만 제한적으로 통신해 오던 핵심 운영 서버가, 갑자기 단 몇 초 만에 전 세계 도처의 생소한 호스팅 네트워크 및 웹훅 주소 20여 개와 무차별 통신을 시작한다면 보안 관제팀은 이를 비상 상황으로 인지하고 즉각 조치에 나서야 합니다.

핵심 완화 조치 및 탐지 우선순위

Google SecOps를 통한 실전 위협 차단 안내

Google SecOps(보안 운영 플랫폼) 사용 고객은 Mandiant 프론트라인 위협 인텔리전스(Mandiant Frontline Threats) 및 Mandiant 헌팅 룰 팩(Mandiant Hunting Rules)을 가동하여 위에서 다룬 자율형 AI 해킹 위협을 완벽하게 예방 및 격퇴할 수 있습니다. 본 블로그에 등장한 자율형 해킹 에이전트(ARTEX 등)의 모든 공격 시나리오는 Google SecOps 대시보드 내에서 다음 실전 탐지 룰 명칭을 가동하여 완벽하게 방어 및 모니터링됩니다.