취약점·랜섬웨어·침해사고를 매일 큐레이션해 한글 요약과 함께 전합니다.
2026년 10월 14일 수요일 기준
이 범위에서 지금 주목할 이슈
기업호주 UNSW 시드니 연구진이 AI 모델을 일부러 "취하게" 만들면 탈옥(jailbreak, 금지된 답변을 하도록 우회하는 것)이 더 쉬워지고 기밀 정보도 더 잘 누설한다는 연구 결과를 발표했습니다. GPT-3.5, GPT-4, Llama 2, Llama 3.1, Mistral 등 5개 모델을 대상으로, 취한 사람처럼 답하라는 프롬프트, 술자리 대화 데이터로 파인튜닝, 강화학습이라는 세 가지 방법을 시도했습니다. 그 결과 원래는 6%만 비밀을 누설하던 GPT-4가 파인튜닝 후에는 75%까지 누설률이 치솟았고, 피싱 메일 작성 같은 유해 요청에 대한 응답 거부율도 크게 낮아졌습니다. 연구진은 기존 탈옥 방어 기법조차 취한 모델에는 잘 통하지 않았다고 지적하며, AI 기업들이 주장하는 만큼 AI를 신뢰해서는 안 된다고 경고했습니다.
자세히 보기
기업Canonical이 Ubuntu 커널의 보안 패치(CVE 수정) 배포 주기를 개편해, 기존 4주·2주 주기를 통합하여 사실상 매주 새 커널을 배포하는 체계로 전환합니다. 취약점이 공개된 후 24~48시간 내 임시 완화책을 제공하고, 정식 패치는 2주 주기 내에 릴리즈됩니다. 더 빨리 패치를 적용하고 싶은 조직은 Canonical의 인증 테스트가 완료되기 전인 `-proposed` 채널에서 릴리즈 후보(RC) 빌드를 가져올 수 있지만, 이 경우 검증되지 않은 빌드에서 발생하는 문제는 해당 조직이 직접 감수해야 합니다. Ubuntu 서버를 운영하는 보안·인프라 담당자는 이 새 주기에 맞춰 패치 관리 계획을 업데이트할 필요가 있습니다.
자세히 보기
기업보안 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.
자세히 보기
통신/IT인텐트 기반 네트워킹(IBN)은 운영자가 원하는 결과만 지정하면 소프트웨어가 알아서 네트워크 정책으로 바꿔주는 기술로, AI 기반 6G 설계의 핵심으로 떠오르고 있습니다. 오타와 대학교와 Nokia Bell Labs 연구진은 이 구조에서 공격자가 정상 요청 사이에 악성 명령을 숨겨 시스템을 침해하는 '악의적 인텐트 주입' 공격이 가능하다고 경고했습니다. 연구팀은 1,100개의 인텐트 데이터셋을 만들어 두 가지 머신러닝(ML) 탐지기를 시험했으며, 연속된 요청의 패턴을 분석하는 방식으로 최대 96%의 악성 요청을 잡아낼 수 있음을 확인했습니다. 단건 요청만 분석하는 기존 방식(탐지율 50~60%)보다 연속 흐름을 함께 보는 접근이 훨씬 효과적이었습니다. 아직 연구 단계이지만, 6G 상용화를 앞두고 IBN 보안 아키텍처 설계 시 이 위협을 미리 반영할 필요가 있습니다.
자세히 보기
기업구글이 자율형 AI 에이전트(사람 대신 작업을 수행하는 자동화 프로그램)의 이상 행동을 탐지하는 보안 기능 'Agent Anomaly Detection'을 공개했습니다. 이 시스템은 에이전트가 도구를 악용하거나 무한 루프에 빠지거나 허가받지 않은 권한을 사용하는 등의 위험 행동을 자동으로 감지합니다. 탐지 방식은 2단계로 구성되는데, 먼저 통계적으로 이상한 세션을 빠르게 걸러낸 뒤 AI 언어 모델이 해당 세션을 심층 분석해 문제가 맞는지 판별합니다. 탐지 결과는 구글 Security Command Center에 자동으로 보고되며, 기업은 API를 통해 이상 탐지 결과를 받아 후속 동작을 차단하는 등 즉각 대응할 수 있습니다. 현재 Private Preview(제한적 사전 공개) 단계이며 ADK 2.1.0 이상 버전이 필요합니다.
자세히 보기
기업기업 보안 리더들은 흔히 "AI 모델이 어떤 데이터로 학습됐는가"를 묻지만, 더 중요한 질문은 "AI가 접근하는 데이터의 권한과 무결성을 어떻게 통제하는가"입니다. 최소 권한 원칙(Least Privilege)과 세션 기반 접근 제어(RBAC)는 AI 에이전트 환경에서도 여전히 핵심 보안 수단입니다. AI는 공격자와 방어자 사이의 기술 격차를 좁히고 있어, 전문 지식이 없던 공격자도 손쉽게 취약점을 찾고 악용할 수 있게 됐습니다. Gremlin의 보안팀은 같은 인원으로 전년 대비 약 9배 많은 취약점을 처리했으며, AI 도구 도입으로 평균 처리 시간을 약 5% 단축했습니다. AI 시대에는 AI가 자신 있게 내놓은 '틀린 답'을 잡아낼 수 있는 경험 많은 인재가 더욱 중요해졌습니다.
자세히 보기
기업'Luciferus'라는 이름의 새로운 AI 구독 서비스가 해킹 포럼에서 판매되고 있습니다. 이 서비스는 ChatGPT나 Claude 같은 일반 AI의 안전 장치를 우회(탈옥)하는 대신, 처음부터 윤리적 제한 없이 설계된 AI를 제공한다고 주장합니다. 보안 회사 Sophos가 실제로 테스트한 결과, 악성코드(원격 접속 트로이목마) 제작 코드를 실제로 생성해 주는 것을 확인했습니다. 이처럼 제한이 없는 AI 서비스가 사이버 범죄 생태계에서 상업화되는 추세가 뚜렷해지고 있으며, 기술적 지식이 부족한 공격자도 악성코드를 쉽게 만들 수 있게 되는 것이 큰 위협입니다. 기업 보안 담당자는 AI를 활용한 악성코드 제작 장벽이 낮아지고 있음을 인식하고, 사회공학·피싱·맞춤형 악성코드 공격에 대한 대비를 강화해야 합니다.
자세히 보기
기업ManageEngine이 미국·캐나다의 IT·사이버보안 리더 700명을 대상으로 실시한 설문에 따르면, 대부분의 조직은 보안 침해 사고 이후 일시적으로 경각심이 높아지지만 1~6개월 안에 다시 원래 수준으로 돌아갑니다. 응답자의 91%는 자사의 현재 보안 태세를 신뢰한다고 밝혔으나, 사고 이후 보안이 영구적인 우선순위가 된다고 답한 비율은 8%에 불과했습니다. 절반에 가까운 조직은 사고 후에도 기존 전략과 구조를 그대로 유지했으며, 근본적인 변화를 꾀한 곳은 소수에 그쳤습니다. 또한 AI를 보안에 활용하는 조직의 약 3분의 2는 AI의 권고를 별도 검증 없이 그대로 따른다고 응답해, AI 의존에 따른 새로운 위험도 부각됐습니다. 전문가들은 보안을 일회성 조치가 아닌 지속적인 프로세스로 다뤄야 하며, AI 권고는 '신뢰 후 검증'이 아닌 '검증 후 신뢰' 원칙을 적용해야 한다고 강조합니다.
자세히 보기
