Shinhan BankのAIハッキング疑惑が露呈させた韓国金融セキュリティの格差
Shinhan BankをめぐるAIハッキング疑惑は、単一のデータ流出から、韓国の金融企業7社を巻き込む業界全体の警戒事態へと発展した。捜査当局は、重複するインフラと類似した自動化攻撃を確認したものの、すべての侵害がAIエージェントによって引き起こされたとは確認していない。
この区別は重要だ。今回のキャンペーンは、預金、送金、口座残高を管理する保護システムには侵入しなかった。攻撃者が見つけたのは、ローン仲介業者、銀行員、サポートチームが利用する、より防御の弱いインターネット接続サービスだった。
したがって、この問題はAI対サイバーセキュリティという対立よりも大きい。韓国の銀行は中核ネットワークの保護を中心に防御を構築してきた一方、目立たないシステムには顧客データと弱いアクセス制御が蓄積されていた。攻撃の自動化により、見過ごされてきたサービスが業界の最も堅固な壁を迂回する効率的な経路となった。
Shinhan BankのAIハッキング事案は7社に拡大
捜査当局が銀行、貯蓄銀行、消費者金融会社にまたがる類似攻撃を結び付けたことで、この事案は金融業界の危機へと発展した。
Shinhan Bankは、ローン申請の進捗確認に使われるサービスを通じて、第三者が個人情報に不正アクセスしたと公表した。流出した情報には、顧客の氏名、電話番号、年収、その他の個人特定情報が含まれていた。
韓国国会に提出された資料によると、不審なアクセスは9月28日午後6時4分に始まった。活動は9月30日午前0時15分まで続き、攻撃の時間枠は約30時間に及んだ。
攻撃者は25,727件の記録を抜き取った。Shinhanは9月29日に活動を検知し、インターネットプロトコルアドレスを遮断してサービスを停止した。しかし、攻撃者が8か国のインフラを経由して移動する中、6つのサービスへの試行は続いたと報じられている。
キャンペーンはほどなくして、より広範なものとみられるようになった。KB Kookmin Bankは、攻撃者がリレーションシップマネージャーとプライベートバンカー向けのモバイル支援システム2件に到達していたことを確認した。この活動は9月27日深夜から9月29日夜まで、42時間41分続いた。
この事案では、従業員20人に関連する情報を含む153件の記録が流出した。一部の顧客記録には、氏名や携帯電話番号とともに、暗号化された住民登録番号が含まれていた。
Hana Bankは89人の顧客に関する個人情報が関与したと報告した。Woori BankとNH Nonghyup Bankは関連する試行を検知したものの、情報流出前に制御措置によって不正アクセスを阻止したと述べた。
攻撃は韓国最大手の商業銀行の枠を超えて広がった。Yegaram Savings Bankは、約40,000人の顧客について氏名、生年月日、連絡先情報が流出したと報告した。Hyundai Capitalは、146人のローン仲介業者に関連する情報の流出を特定した。
Welcome Savings BankとBNK Busan Bankも、当局が侵害を確認した7社に含まれていた。初期の業界報告によると、これらの企業では、より広範なキャンペーンの中で顧客情報の流出が発生した。
韓国の地域信用協同組合連合会は、Shinhanの事案に関連するアドレスからのアクセス試行を検知した。セキュリティ機器が活動を遮断し、情報流出は報告されていない。NH Nonghyupに接続する相互金融ネットワークに対する同様の試行も失敗した。
捜査当局は、一組のインターネットアドレスが複数の銀行事案で使われていたように見えることを確認した。別の組は貯蓄銀行とHyundai Capitalへの攻撃で確認されたが、手法は類似していた。
攻撃者はアドレスも継続的に変更していた。この行動は、検知後に単一の発信元を遮断する価値を低下させる一方、複数機関にまたがる行動分析の必要性を強めた。
公開時点で、当局は金銭的損失や顧客向け銀行サービスへの支障を報告していなかった。それでも、流出した個人情報は、なりすまし、標的型フィッシング、ボイスフィッシングの機会を生み出す。
結果として起きたのは、単一の壊滅的な侵入ではない。韓国金融全体の構造的問題を集合的に露呈させた、小規模な侵害の分散的な連鎖だった。
攻撃者は中核バンキングの要塞を迂回した
韓国で最も保護された金融ネットワークは持ちこたえたが、二次的なシステムが中核へのアクセスを必要とせずに価値あるデータへ至る経路を生み出した。
韓国の金融機関は、機微な内部ネットワークを公開インターネットから分離している。このネットワーク分離により、外部攻撃者が預金、融資、送金、残高を処理するシステムへ直接到達する可能性を低減している。
このモデルは、重要な点で機能した。捜査当局は、今回のキャンペーンが中核取引システムに到達したことを示す兆候を確認していない。顧客はモバイルバンキングを継続利用でき、報告された流出には支払いを直接承認できる認証情報も含まれていなかった。
しかし同じモデルは、危険な前提も生んだ。アプリケーションが送金を扱わないという理由で、氏名、識別情報、収入、連絡先、ローン情報を表示していたとしても、セキュリティチームがその重要性を低く扱う可能性があった。
Shinhanへの侵入口はこの弱点を示している。攻撃者は、ユーザーが申請進捗を確認できるローン仲介サービスを標的にした。顧客番号を生成または試行し、有効な記録が返されるまで繰り返したとされる。
KB Kookmin Bankでは、流出したサービスは一般顧客ではなく従業員を支援するものだった。プライベートバンカーやリレーションシップマネージャー向けのモバイルツールは中核バンキング環境の外部にあったが、それでも個人データへのアクセスを提供していた。
他の事案では、不完全な端末制限、欠落した認可チェック、既知のWeb脆弱性、公開されたログファイルといったパターンが含まれていた。それぞれの弱点は異なるアプリケーション層に属していたが、いずれも銀行の主要システムより公開インターネットに近い位置にあった。
これらのシステムは、金融会社を支援しながらも主要取引プラットフォームの一部ではないため、サテライトサイトと呼ばれることがある。ローン仲介ポータル、社内モバイルページ、照会ツール、マーケティングサイト、ベンダー運営サービスなどが含まれる。
サテライトシステムは、オンラインバンキングより少ないリソースしか受け取らないことが多い。また、所有者、請負業者、リリーススケジュール、監視ルールが異なる可能性もある。こうした違いが、単一機関内で認証の一貫性を損なう。
攻撃者にとって、どの社内部門がアプリケーションを所有しているかは重要ではない。有用な情報を露出し得る、最も保護の弱いサービスを探すだけだ。
今回のキャンペーンは、その探索を工業化したように見える。当局は、攻撃者が慎重な手作業の調査で各被害者を選んだのではなく、多数の金融機関をスキャンしたとみている。制御の弱い企業は侵害され、より強力な認証を用いる機関は類似の試行を阻止した。
複数企業を対象とする調査では、多要素認証が侵害に成功したケースと阻止された攻撃を分ける要因となったことが判明した。多要素認証では、パスワードやセッションに加えて、追加の本人確認を要求する。
この知見は、止められないAIハッカーについての劇的な主張から議論を遠ざける。基本的なアクセス制御が依然として結果を左右した。侵害は、認証、認可、資産管理、脆弱性修正の失敗を露呈させた。
それでも、このキャンペーンは、そうした失敗を悪用する経済性を変えた。人間のチームが調査できる無名の銀行ポータルには限りがある。自動化ツールはより多くのサービスを試し、要求を継続的に繰り返し、インフラを切り替え、成功した手順を再利用のために保存できる。
したがって、韓国の中核バンキングの要塞が崩壊したわけではない。攻撃者は、そこへ入る必要がないことを発見しただけだった。
ARTEX AIによる攻撃は疑われているが、立証されていない
証拠はAI支援型の自動化の可能性を示すが、ARTEX AIが侵害を自律的に実行したことをまだ証明してはいない。
最も強力な公開上の手がかりは、攻撃に関連すると考えられるインフラから得られた。セキュリティ研究者は、最近の事案に関与したWebサーバーのHTMLタイトルに「ARTEX」が含まれていることを観測した。
HTMLタイトルはブラウザーのタブに表示されるラベルである。このケースでは、露出したタイトルに、自律型AIペネトレーションテストコンソールを説明する中国語の文言が含まれていたとされる。
ARTEX AIは、大規模言語モデルを中心に設計されたオープンソースシステムだ。運用者による情報収集、脆弱性の特定、攻撃経路の計画、セキュリティツールの実行、結果の検証を支援できる。
これらの機能は、セキュリティチームが許可を得て攻撃を模擬する、正当なペネトレーションテストに役立つ。一方で、侵入の反復的な部分を自動化したい犯罪者にとっても有用になり得る。
Genians Security Centerの責任者であるMoon Jong-hyun氏は、観測されたタイトルを状況証拠と位置付けた。同氏の評価は、ARTEX AIまたは関連環境がそのインフラ上で稼働していた可能性を支持している。
しかし、サーバー上に見える製品名だけでは、ツールがどのように利用されたかは確定しない。どの要求をソフトウェアが生成したのか、人間が各段階を承認したのか、同じシステムがすべての被害者に接触したのかは示されない。
ARTEXインフラ分析は、攻撃での同ツールの利用は確認されていないと明示した。この制約は、Shinhan BankのAIハッキングを扱ういかなる説明においても中心に据えるべきだ。
オープンソースソフトウェアは地理的帰属も困難にする。中国語のインターフェースが、運用者が中国にいたことを証明するわけではない。誰でも公開コードをダウンロードし、改変し、レンタルインフラに配置し、誤解を招く痕跡を残すことができる。
攻撃者は、韓国、米国、日本、香港、シンガポール、ベトナム、タイ、英国に関連するアドレスを使用していた。この分布は攻撃者の身元よりも、容易に利用できるインフラについて多くを物語る。
当局は事案間の違いも確認した。タイミングや技術がより広範なキャンペーンに似ていたとしても、一部の攻撃はAIをまったく含んでいなかった可能性がある。
それでも、運用上の行動は自動化仮説を支持している。攻撃者は複数の機関を標的にし、大量の要求を送信し、アドレスを変更し、個別の発信元が遮断された後も探索を続けた。
AIエージェントはこれらの手順を調整できるが、従来型のスクリプトでも多くを実行できる。認証情報の詰め込み、ランダム化された識別子の試行、脆弱性スキャン、アドレスの切り替えは、いずれも生成AI以前から存在していた。
認証情報の詰め込みは通常、他所で盗まれたユーザー名とパスワードの組み合わせを試す行為を指す。一部の報道はShinhanの事案にこの用語を適用したが、説明された行動には有効な顧客識別子を探すランダムな照会も含まれていた。
この曖昧さも、「AIハッキング」を完全な技術的説明として扱うべきではない理由の一つだ。このラベルは、異なる防御策を必要とする別個の手法をまとめてしまう可能性がある。
盗まれた認証情報がある侵害を引き起こしたのであれば、銀行にはより強力な認証と、再利用されたパスワードの検知が必要になる。アプリケーションが予測可能な照会後に記録を公開していたのであれば、直接的な失敗は認可とレート制御にあった。
ARTEX AIが既知のソフトウェア脆弱性を見つけたのであれば、問題にはパッチ適用の遅れと露出した資産が含まれる。人間のオペレーターがキャンペーン全体を通じてツールを指示していたのであれば、この事案は自律型ではなくAI支援型だったことになる。
関連する結論はより限定的だが、依然として深刻である。推論モデルと既存のセキュリティソフトウェアを組み合わせたツールは、大規模に脆弱なシステムを探し出すための労力を減らし得る。
自動化が銀行攻撃のコストを変えた
セキュリティ上の中心的な変化は、新たな脆弱性の種類ではなく、多数の標的にまたがる既知の弱点を発見・悪用するコストが下がったことにある。
従来の脆弱性スキャンでも、攻撃者は広範なアドレス範囲を調べられる。AIを使わなくても、スクリプトでパスワードを試し、エンドポイントを照会し、一般的なソフトウェアのバージョンを特定できる。
エージェント型システムは、そこにもう一層を加える。AIエージェントは結果を解釈し、次の行動を選び、計画を適応させ、限られた人間の関与でほかのツールを呼び出せる。
この能力が、すべての攻撃を高度化するわけではない。粘り強さと対象範囲をより安価にするのである。
人間の攻撃者であれば、見慣れない応答に遭遇した時点で、小規模なローン仲介ポータルを諦めるかもしれない。エージェントなら出力を分析し、リクエストを修正し、関連するエンドポイントを試し、どの操作でレコードが取得できたかを記録できる。
同じワークフローは、ゼロから始めることなく別の銀行にも展開できる。ある金融機関に対して成功した手順は、ほかで類似サービスを特定するためのテンプレートになる。
これは、攻撃者がなぜ金融機関の区分をまたいだと報じられているのかの説明にもなる。商業銀行、貯蓄銀行、相互金融組織、キャピタル会社は、単一の基幹プラットフォームを共有しているわけではない。一方で、顧客や従業員のデータを処理するインターネット公開サービスは共通している。
セキュリティチームは不利な作業量の差に直面する。自動化された攻撃者は継続的に探索できる一方、防御側は資産を棚卸しし、ベンダーを調整し、ログを確認し、ソフトウェアにパッチを適用し、金融サービスの停止を避けなければならない。
組織が公開しているすべてのシステムを把握していなければ、この不均衡はさらに大きくなる。古いサポートサイトは、元のプロジェクト終了後も到達可能なまま残り得る。ベンダーポータルは、どのチームも権限を見直さないために過剰なアクセスを維持している可能性がある。
攻撃者に必要なのは、忘れられたアプリケーションが一つだけだ。防御側はそのすべてを守らなければならない。
銀行侵害の分析で引用された研究者らは、脆弱な認証と大量照会に対する監視の不十分さを強調した。具体的なツールが不明な場合でも、自動化は行動上の痕跡を残すため、これらの統制は重要である。
公開サービスは、単一のクライアントが識別子を順に変更していくだけで、数千件の機微なレコードを返すべきではない。レート制限は異常なリクエスト量を抑えられ、行動検知は複数のアドレスに分散したパターンを特定できる。
認可は、すべてのレコード要求にも適用されなければならない。ポータルにログインできたからといって、リクエスト内の数字を変更するだけで別の顧客情報を取得できるべきではない。
銀行には、子会社、ベンダー、二次プラットフォームをまたぐイベントを結び付ける統制も必要だ。仲介ポータルでの無効な照会の急増は、別の金融機関から同じ手順が報告されるまで重要でないように見えるかもしれない。
ここでAIは防御側を支援できる。モデルはシグナルの相関付け、異常な活動の要約、露出資産の優先順位付け、脆弱性評価の支援に役立ち得る。
ただし、防御AIは関連データへのアクセスに依存する。厳格な分離は、セキュリティツールが外部サービスと内部テレメトリーを併せて分析することを妨げる可能性がある。
韓国の金融委員会は、侵害が起きる前からこの緊張関係を認識していた。5月には、AIおよびSaaS型セキュリティツールを利用する適格な金融機関を対象に、ネットワーク分離要件の緩和を提案した。
サイバーセキュリティ政策は当初、資産10兆ウォン以上、常勤従業員1,000人以上の金融会社49社を対象としていた。承認された参加者は、専門家による審査後、1年間の一時的な規制緩和を受けられる可能性があった。
この政策は難しいトレードオフを生む。より有能な防御ツールを接続すれば脅威検知を改善できるが、アクセス管理が不十分であれば、新たな接続の一つひとつが攻撃対象領域を広げ得る。
答えは無制限の接続性ではない。金融企業には、狭く限定されたデータアクセス、強固なID統制、監視されたサービスアカウント、セキュリティツールを実行できるAIシステムを隔離する仕組みが必要である。
広範な権限を持つ自律型防御エージェントは、それ自体がリスクを生み得る。活動を誤分類し、正当なサービスを中断し、機微なログを露出させ、意図した範囲を超える行動を取る可能性がある。
したがってAIは、技術面だけでなくガバナンス面への圧力も高める。金融機関は、エージェントが検査できるシステム、どの行動に人間の承認が必要か、すべての判断をどう記録するかを定義する必要がある。
金融セキュリティは今や金庫の外にあるシステムにも左右される
今回の侵害は、口座残高に触れずとも顧客を危険にさらし得る外部サービスのガバナンスを、取締役会レベルの課題へと変えた。
金融セキュリティプログラムでは、窃盗、決済操作、取引処理の長期停止といった最も深刻なシナリオが優先されることが多い。この優先順位には合理性があるが、より弱い保護策のシステムに個人データが分散したままとなる可能性がある。
直ちに金銭的被害が生じていないからといって、このキャンペーンを軽視すべきではない。氏名、電話番号、所得データ、融資記録、生年月日、国民識別番号は、極めて説得力のある詐欺を支え得る。
犯罪者は漏えいした銀行情報をほかの侵害で得たデータと組み合わせられる。その結果、被害者の財務状況を理解している銀行員からの連絡に見えるフィッシングメッセージや音声通話を作り出せる可能性がある。
金融委員会の李億遠委員長は、漏えい情報は不正決済には十分でないようだと述べた。また、犯罪者がボイスフィッシングやほかの詐欺に利用する可能性があると警告した。
李在明大統領は10月4日、徹底的な調査と対策を指示した。この指示は、複数の金融機関による情報開示と、追加の組織でアクセス試行があったとの報道を受けたものだった。
その後、金融委員会と金融監督院は被害企業の経営陣を招集した。規制当局は金融業界に対し、最高水準の警戒態勢を維持するよう求めた。
政府対応によると、規制当局は商業銀行、貯蓄銀行、専門信用金融会社にまたがる侵害を認識していた。AIツールの使用可能性も排除しなかった。
金融監督院は、約500社の金融会社に攻撃者のアドレスとセキュリティ指針を配布した。銀行とカード会社には、10月6日までに緊急点検を終えるよう指示された。
証券会社、保険会社、貯蓄銀行、電子金融事業者には10月8日の期限が設定された。この点検では、攻撃者の遮断、インシデント確認、露出資産、サービスセキュリティを対象とする12項目のチェックリストが用いられた。
当局は、確認された弱点を三つの対応区分にも分けた。照会サービスでは、本人確認の不足を検証する必要があった。従業員向け支援ツールには、より強い端末統制と認可が求められた。
公開ウェブサイトでは、既知の脆弱性へのパッチと悪意あるコードへの防御策が必要とされた。迅速に修正できないサービスは停止の対象となった。
これらの措置は当面の露出に対応するものだが、より困難な作業はその後に続く。金融機関は、すべての二次サービスが本当に必要か、どの情報を保持すべきか、ベンダーが運用する際に誰が責任を負い続けるのかを判断しなければならない。
データ最小化は、障害の影響を小さくできる。融資状況サービスは、他所に情報が存在するという理由だけで、銀行が保有するすべての項目を開示する必要はない。
同じ原則はログにも当てはまる。アプリケーションが氏名、識別子、リクエスト内容、レスポンスデータを記録すると、運用ログは知らないうちに顧客データベースになり得る。少なくとも一つのインシデントパターンでは、攻撃者がログファイルから顧客情報を取得したと報じられている。
ベンダー監督にも継続的な検証が必要である。契約締結前に完了したセキュリティ質問票では、ソフトウェア更新後に認証が失敗したかどうかは分からない。
金融会社には、委託先が運用するシステムを含め、インターネット公開資産の最新の棚卸しが必要だ。各資産には、所有者、データ分類、認証基準、廃止予定日が設定されるべきである。
組織は、一つの統制が失敗した後に何が起こるかもテストする必要がある。パッチの適用漏れが、完全なデータセットの露出に直結してはならない。有効なセッションが、無制限のレコード列挙を可能にしてもならない。
これこそ、韓国の銀行に対するサイバー攻撃が浮き彫りにした、期待と現実の衝突である。業界は基幹ネットワークが分離されていると正しく言えたかもしれないが、顧客はその周辺システムを通じて脆弱なままだった。
韓国がリスクを封じ込められるかを示す三つの兆候
次の試金石は、攻撃者が同じ手口を再利用する前に、規制当局と銀行が緊急点検を測定可能な変化へ転換できるかどうかである。
第一の兆候は、ARTEX AIに関する技術調査である。警察と金融当局は、どのインフラがこのツールを動かし、どの行動を実行し、人間のオペレーターがどの時点まで関与していたかを確定する必要がある。
確認されれば、自律型侵入システムが、統制されたセキュリティテストの段階を越え、金融機関を標的とする組織的な攻撃に移行したとの見方を強めることになる。従来型スクリプトが侵害の大半を引き起こしたとの結論になれば、AI特有の主張は弱まる。
いずれの結果にも意味がある。防御側がどの統制に失敗したかを判断するには、劇的な呼称ではなく、正確な攻撃チェーンが必要である。
第二の兆候は、約500社の金融会社を対象とする韓国の緊急点検の結果だ。規制当局は、本人確認、端末制限、パッチ、有効な監視を欠いていた公開サービスがどれほどあったのかを開示すべきである。
追加の発見が少数にとどまれば、既知の被害者は特に脆弱な集団だったことを示唆する。多数に上れば、報告された7社は業界全体の問題の見えている端にすぎなかったことを示す。
点検では、遮断された攻撃が成功した攻撃を上回ったかも明らかにすべきである。この比較により、現実の圧力下でどの統制が機能したかを特定できる。
第三の兆候は、政府のネットワーク分離政策である。規制当局は、侵害が公になった直後の10月7日、規制緩和の対象となる次の参加者グループを選定する予定だった。
厳格な適格性要件の下でプログラムを継続すれば、AI支援型防御が追加的な接続性のリスクを上回り得るという確信を示すことになる。延期や権限の縮小は、このキャンペーンが政府のリスク計算を変えたことを示すだろう。
この政策は、AIがセキュリティにとって良いか悪いかを問う国民投票のようなものになるべきではない。より有用な問いは、機微な環境への制御されない経路を作ることなく、防御ツールに十分な可視性を与えられるかどうかである。
銀行は、顧客が評価できる改善についても報告すべきである。これには、多要素認証の利用拡大、不必要な公開サービスの廃止、インシデント検知の迅速化、露出したデータに関するより明確な通知が含まれる。
新韓銀行に関するAIハッキングの主張は、捜査当局がより強い証拠を公表するまで不完全なままである。しかし、すでに明らかなのは、自動化が韓国で最も強固に防御された銀行システムの外部に価値を見いだしたことだ。
この教訓は韓国にとどまらない。保護された中核システムと、広がり続けるポータル、モバイルツール、ベンダー、レガシーサイトの集合体を持つあらゆる金融機関は、同じアーキテクチャ上の緊張関係に直面している。
セキュリティ責任者は、最も機密性の高いデータを扱いながら認証が最も弱い外部サービスがどれかを問うべきだ。顧客は具体的な侵害通知に注意を払い、予期しない融資や本人確認に関する電話にはこれまで以上に慎重に対応すべきである。
決定的な対応は、金庫の周囲に新たな壁を築くことではない。自動化された攻撃者が先にそれらのシステムを把握する前に、組織につながるすべての小規模なシステムを継続的に管理することだ。
