보안 업체 DataDome이 7만 5천여 개 웹사이트를 1년간 분석한 결과, 악성 봇 트래픽이 같은 기간 인간 트래픽 증가율(13.2%)의 약 10배인 124%나 급증한 것으로 나타났습니다. 전체 인터넷 트래픽의 약 26.5%가 봇과 AI 에이전트에서 발생했으며, 웹 스크래핑(데이터 무단 수집)이 악성 봇 공격의 71%를 차지했습니다. 특히 AI 봇이 로그인 페이지에 접근하는 비율이 2026년 상반기에만 8배 이상 급증하면서, 정상적인 AI 비서와 계정 탈취 봇을 구분하는 것이 새로운 과제가 되고 있습니다. 테스트에 포함된 인기 웹사이트의 65.3%는 10가지 봇 시뮬레이션 중 단 하나도 탐지하지 못했으며, 모든 유형을 막은 사이트는 2.4%에 불과했습니다. 기업 보안 담당자는 로그인·결제·장바구니 페이지에 대한 봇 탐지 체계를 재점검할 필요가 있습니다.
DataDome의 '봇 및 에이전트 보안 현황 보고서 2026'에 따르면, 2025년 7월~2026년 6월 사이 악성 봇 트래픽이 124% 급증했다. 웹 스크래핑이 악성 봇의 70.9%를 차지했고, AI 에이전트의 로그인 페이지 접근도 상반기에만 8배 이상 증가했다.
전체 인터넷 트래픽의 약 26.5%가 봇·AI 에이전트에서 발생하며, 자격증명 도용(크리덴셜 스터핑), 재고 조작, 카드 테스트, 스팸 등 다양한 공격이 로그인·장바구니·결제·입력 폼 페이지를 표적으로 삼고 있다. 테스트 대상 웹사이트의 65.3%가 봇 탐지에 완전히 실패했다.
간단한 봇은 방어가 취약한 사이트에서도 효과적으로 작동하며, 중급·고급 봇은 실제 브라우저를 모방하거나 정상 AI 서비스의 사용자 에이전트 문자열을 위조해 탐지를 우회한다. 대형 조직도 복잡한 인프라·분절된 도구·레거시 시스템으로 인해 방어 공백이 존재한다.
DataDome은 단순한 이진(차단/허용) 방어 체계를 넘어, 요청의 순서·속도·볼륨·맥락을 종합적으로 분석해 정상 AI 에이전트와 악성 봇을 구별하는 접근이 필요하다고 권고한다.
로그인·결제·장바구니 페이지 등 민감한 엔드포인트에 봇 탐지 솔루션이 적용되어 있는지 확인하고, 클라이언트 사이드 신호에만 의존하지 말고 API·모바일·서버 사이드 요청 패턴도 모니터링해야 한다. 트래픽 규모가 크다고 해서 봇 방어 수준이 높다는 보장은 없다.
본문
악성 봇 활동은 2025년 7월부터 2026년 6월 사이 124% 증가했으며, 이는 같은 기간 인간 트래픽 증가율인 13.2%와 대비된다. DataDome의 State of Bot & Agent Security Report 2026에 따르면, AI 에이전트 및 대형 언어 모델(LLM) 크롤러의 트래픽도 같은 기간 82.3% 증가했다.
봇 트래픽, 인간 트래픽보다 9배 빠르게 성장
DataDome은 12개월 동안 7만 5천여 개 고객 사이트에서 수조 건의 요청을 분석했다. 봇과 AI 에이전트는 데이터셋 전체 트래픽의 약 26.5%를 차지했다.
트래픽 유형별 12개월 증가율 (출처: DataDome)
인간 트래픽의 요청 점유율은 감소했으며, 그 변화의 대부분은 악성 봇에 의한 것이었다. AI 트래픽 역시 인간 트래픽보다 6배 이상 빠르게 증가했다.
연구 기간 동안 웹 스크래핑(무단 데이터 수집), 스캘핑(구매 기회 독점), 스팸, DDoS(분산 서비스 거부 공격) 활동이 증가했다. 크리덴셜 스터핑(탈취한 계정 정보를 대입해 로그인 시도하는 공격)은 연간 기준으로는 변화가 없었으나, 연중 급격한 감소와 급증이 반복됐다.
웹 스크래핑이 지배적인 공격 유형으로, 악성 봇 트래픽의 70.9%를 차지했다. 스크래핑 도구의 접근성과 대규모 데이터 수요가 이러한 캠페인을 지속적으로 촉진하고 있다.
크리덴셜 스터핑 캠페인은 반복적인 패턴을 따랐다. 공격자들은 대규모 공격을 개시한 후, 자격증명 목록을 새로 고치고 인프라를 교체하기 위해 잠시 물러났다가 전면적인 규모로 재개했다.
30일간의 악성 봇 트래픽 샘플에서 단순 봇이 가장 큰 비중을 차지했다. 단순 봇은 운용에 거의 노력이 들지 않으며, 봇 방어가 취약한 웹사이트에서도 효과적이다. 공격자들은 이를 스캐닝, 정찰, 쉬운 표적에 대한 공격에 활용한다.
중간 복잡도의 봇은 스크래핑, 허위 계정 생성, 자격증명 테스트 캠페인에서 흔히 사용된다. 이들은 정상적인 브라우저 세션의 일부를 재현하는 브라우저 자동화 프레임워크를 사용해 자동화 활동을 식별하기 어렵게 만든다.
고급 운용자들은 정교한 도구를 기본 봇과 별도로 유지해, 단순한 자동화 신호를 통해 캠페인이 노출되는 것을 방지하는 경향이 있다. 일부 캠페인은 단순·중간 기법을 결합하여, 기본 자동화로 시작했다가 더 설득력 있는 브라우저 시뮬레이션이 필요할 때 전환하기도 한다.
브라우저 측 신호(클라이언트 사이드 신호)만으로는 완전한 방어가 불가능하다. 공격자들이 이를 억제하거나 모방할 수 있으며, API·모바일 엔드포인트·서버 사이드 서비스를 대상으로 하는 요청은 클라이언트 사이드 코드를 전혀 실행하지 않을 수 있다.
AI 에이전트, 민감한 영역으로 진입
2026년 상반기 동안 로그인 페이지에 대한 월간 AI 봇 트래픽은 8배 이상 증가했다. 이는 주문 확인, 계정 정보 조회, 구매 지원 등 사용자를 대신해 작업을 수행하는 AI 어시스턴트의 활용이 늘어나고 있음을 보여준다.
DataDome의 위협 연구 부사장 Jerome Segura는 이렇게 말했다. "기업들은 여전히 이진(허용/차단)적 선택에 기반한 방어 체계로, 더욱 미묘한 판단을 내려야 하는 상황에 처해 있습니다. 유익한 활동을 차단하지 않으면서 고객을 보호하려면, 정상적인 AI 어시스턴트와 자격증명 테스트 봇 또는 자동화된 계정 남용 캠페인을 구별하는 능력이 핵심이 될 것입니다."
로그인 페이지는 탈취한 아이디·비밀번호를 시험하는 봇의 표적이기도 하다. 장바구니는 재고를 선점하거나 프로모션을 악용하기 위해 조작될 수 있다. 결제 페이지는 카드 테스트 도구의 공격을 받으며, 온라인 폼은 스팸·허위 정보·자동화된 데이터 수집의 표적으로 남아 있다.
단 하나의 요청만으로는 방문자의 의도를 파악하기 어렵다. 주문을 확인하는 승인된 어시스턴트는 처음에는 고객 계정에 접근하려는 봇과 유사하게 보일 수 있다. 보안 시스템은 각 상호작용의 순서·속도·볼륨·맥락을 종합적으로 검토해야 한다.
악성 소프트웨어는 인정받는 AI 서비스의 사용자 에이전트 문자열을 복사해 신뢰할 수 있는 크롤러인 것처럼 위장할 수 있다. 반대로 낯선 봇은 알려진 서비스를 위한 차단 규칙을 아예 회피할 수도 있다.
대부분의 웹사이트, 자동화 위협 탐지 실패
테스트한 인기 웹사이트의 약 65.3%는 시뮬레이션된 10가지 봇 중 어느 것도 탐지하지 못했다. 모든 유형을 차단하거나 도전 과제를 제시한 곳은 2.4%에 불과했다.
테스트 항목에는 단순 스크립트, 인정받는 AI 서비스로 위장한 봇, 브라우저 지문을 위조한 도구, 실제 브라우저를 자동화한 것이 포함됐다. 요청은 미국, 캐나다, 프랑스의 가정용 인터넷 주소를 통해 전송됐다.
트래픽 규모는 방어 수준의 지표가 되지 못했다. 대형 트래픽 웹사이트도 소규모 사이트와 비슷한 수준을 보였다. 대형 조직은 상당한 보안 예산을 보유하고 있을 수 있지만, 복잡한 인프라·분절된 도구·레거시 시스템이 공백을 만들 수 있다.
테스트는 2만 1,491개 인기 웹사이트의 홈페이지에 집중됐다. 로그인·계정·결제 페이지에 작동하는 일부 보호 조치는 테스트 범위에 포함되지 않았다.
공격으로 분류된 트래픽은 시도된 행위를 나타내는 것이며, 실제로 성공한 공격, 확인된 침해 또는 금전적 손실을 의미하지 않는다.
관련 투런 솔루션
이 뉴스의 취약점·위협, 투런 솔루션으로 대응하세요.
