취약점·랜섬웨어·침해사고를 매일 큐레이션해 한글 요약과 함께 전합니다.
2026년 10월 14일 수요일 기준
기업보안 스캐닝 업체 Detectify가 미국, 영국, 북유럽 고객사 1,293곳의 데이터를 분석한 결과, 인터넷에 노출된 시스템에서 아직 고쳐지지 않은 심각(critical)·높음(high) 등급 취약점 대부분이 90일 넘게 방치되어 있었습니다. 북유럽은 97%, 영국은 92%, 미국은 86%가 이 기준을 넘겼습니다. 특히 공공기관은 다섯 개 업종 중 취약점 해결률이 가장 낮았는데, 예산 절차가 복잡하고 담당 부서가 여러 곳으로 나뉘어 있으며 오래된 레거시 시스템이 많은 것이 원인으로 꼽혔습니다. 또한 Lovable, Base44 같은 AI 도구가 외부에 노출된 조직은 다른 조직보다 절반도 안 되는 속도로 취약점을 고치는 것으로 나타나, AI 인프라에 대한 자산 관리와 거버넌스 강화가 필요하다는 지적이 나왔습니다.
자세히 보기
기업AI 에이전트(사람 대신 자율적으로 작업을 수행하는 AI 프로그램) 도입이 빨라지면서 기업들이 기존 보안·거버넌스 체계를 근본적으로 다시 짜야 하는 상황에 놓였습니다. 직원들이 회사 몰래 AI 도구를 사용하는 '섀도 AI' 문제가 과거 섀도 IT보다 10배 규모로 번지고 있으며, 이 과정에서 고객 개인정보나 사내 기밀이 외부 AI 시스템으로 유출될 위험이 커지고 있습니다. 128개 기업 임원 154명을 인터뷰한 AWS의 'Reimagine 2026' 보고서는, AI 사용 기업 중 '책임 있는 AI 활용 방침'을 문서화한 곳은 24%, 데이터 거버넌스 전략을 갖춘 곳은 10%에 불과하다고 밝혔습니다. 전문가들은 AI 에이전트에 부여하는 자율권을 처음부터 크게 주지 말고, 신뢰가 쌓인 뒤 단계적으로 확대하며 보안 통제는 에이전트 바깥에서 설정하라고 권고합니다.
자세히 보기
기업AI 에이전트의 시스템 프롬프트는 보안 장치가 아닙니다. 사용자가 교묘한 말로 지시를 우회하면 에이전트는 권한 밖의 데이터까지 꺼내줄 수 있기 때문입니다. AWS와 SANS 연구자들은 접근 제어를 모델이 아닌 인프라 계층에 두어야 한다고 권고합니다. 즉, 사용자의 권한을 기반으로 데이터를 모델에 전달하기 전에 미리 필터링해야 합니다. IBM 연구에 따르면 통제되지 않는 '섀도 AI(Shadow AI, 조직이 파악하지 못한 채 운영되는 AI)'가 높은 수준인 조직은 침해 사고 시 평균 67만 달러를 추가로 지출한 것으로 나타났습니다.
자세히 보기