AI가 Web3 보안을 접근 제어 위기로 바꾸고 있다

OneSafe는 8월 30일 Google News를 통해 강력한 경고를 내놓았다. 인공지능이 Web3 공격을 더 쉽게, 더 빠르게, 그리고 더 알아채기 어렵게 만들고 있다는 것이다. 이 글은 악성 소프트웨어, 피싱, 탈취된 개인 키, 위험한 개발자 워크플로를 지목한다. 핵심 우려는 타당하지만, 여러 뒷받침 주장에는 독립적으로 검증하기에 충분한 세부 정보가 부족하다.

이 공백은 중요하다. 디지털 자산에서는 일반적인 보안 실수가 되돌릴 수 없는 금전적 사건으로 이어질 수 있기 때문이다. 그럴듯한 메시지 하나로 누군가가 시드 문구를 노출하거나 악성 거래를 승인할 수 있다. 감염된 개발 장비는 배포 자격 증명, 서명 키 또는 특권 접근 권한을 노출할 수 있다. 결과를 되돌릴 수 있는 은행은 없는 경우가 많다.

따라서 실제 충돌은 AI와 기존 사이버보안의 대립이 아니다. 더 빠르게 확산되는 자동화와, 느리고 더 눈에 띄는 인간 활동을 기준으로 설계된 보안 통제 간의 충돌이다. OneSafe의 AI 보안 보도는 이러한 압박을 포착하며, 연방 데이터와 독립 연구는 측정 가능한 위험이 실제로 어디에 있는지 보여준다.

OneSafe Google News 경고가 실제로 바꾼 것

OneSafe는 악의적 AI에 대한 광범위한 우려를 Web3 워크플로 경고로 전환했지만, 새로운 침해를 입증하거나 새로 발견된 취약점을 공개하지는 않았다.

보안 경고는 AI가 공격자의 기술 장벽을 낮추고 있다고 주장한다. 개발자는 AI 구성 파일을 면밀히 검토하고, 깨끗한 백업을 유지하며, 보안 인식을 강화해야 한다고 말한다. 또한 자격 증명, 브라우저 데이터, 지갑 정보 및 기타 비밀 정보를 수집하도록 설계된 악성 프로그램인 인포스틸러도 강조한다.

이는 제품 발표, 보안 권고 또는 사고 보고서가 아니라 편집적 개입이다. OneSafe는 새롭게 침해된 프로토콜을 식별하지 않았다. 방어자가 감염을 찾아내는 데 사용할 수 있는 기술적 지표도 공개하지 않았다. 또한 AI가 연루된 Web3 공격의 규모를 수치로 제시하지 않았다.

그럼에도 Google News 게재는 이 주장에 더 폭넓은 관련성을 부여한다. 창업자와 개발자에게 구체적인 운영 질문을 던진다. AI 코딩 도구의 결과물을 동료가 작성한 코드와 같은 수준으로 신뢰해도 되는가?

가장 안전한 답은 아니다. 생성된 코드, 다운로드한 확장 프로그램, 구성 파일, 셸 명령, 에이전트 지침은 모두 검토가 필요하다. 이 원칙은 AI 시스템 자체가 악의적이지 않을 때에도 적용된다. 공격자가 통제하지 않더라도 모델은 안전하지 않은 코드를 생성할 수 있다.

OneSafe는 Numa Lunah로 식별된 인물이 연루된 것으로 보이는 악성코드 사고도 설명한다. 이 글에 따르면 AI 도구와의 상호작용이 재부팅 후에도 지속된 감염으로 이어졌다. 그러나 이 글은 포렌식 보고서, 악성코드 샘플, 사고 타임라인 또는 원래 계정으로 연결되는 링크를 제공하지 않는다.

이러한 누락 때문에 독자는 실제로 무슨 일이 일어났는지 판단할 수 없다. 감염은 위조 애플리케이션, 악성 의존성, 복사한 명령 또는 손상된 구성에서 비롯됐을 수 있다. 각각의 경로에는 서로 다른 방어책이 필요하다.

이 글은 마찬가지로 출처 링크나 충분한 식별 정보 없이 Calle라는 개발자의 경고를 인용한다. 그 기본 입장은 그럴듯하지만, 이 인용이 검증된 증거만큼의 무게를 가져서는 안 된다.

이 구분은 보안 보도에서 필수적이다. 신뢰할 만한 우려가 자동으로 문서화된 사고가 되는 것은 아니다. 독자는 OneSafe의 일반적 경고와 독립적으로 확립된 공격 데이터를 분리해 봐야 한다.

따라서 이 이야기의 가장 강력한 버전은 제목이 시사하는 것보다 더 좁다. AI는 유해한 콘텐츠의 양과 신뢰성을 확대하고 있다. Web3 시스템은 유난히 가치가 높고 되돌릴 수 없는 표적을 노출한다. 이 조합은 취약한 ID, 접근 권한 및 거래 통제의 비용을 높인다.

이 결론은 면밀한 검토에도 유지된다. 이 글의 일부 사례 세부 사항은 아직 같은 기준을 충족하지 못한다.

AI Web3 보안이 접근 제어 문제로 떠오른 이유

가장 중대한 Web3 손실은 AI 모델이 블록체인 암호기술을 무너뜨려서가 아니라, 탈취된 권한에서 시작되는 일이 점점 늘고 있다.

개인 키는 보유자가 블록체인 주소에 대한 작업을 승인할 수 있게 한다. 시드 문구는 지갑 전체에 대한 통제권을 복구할 수 있다. 관리자 자격 증명은 프로토콜 업그레이드, 클라우드 시스템, 배포 파이프라인 또는 기업 계정에 대한 접근을 제공할 수 있다.

AI는 공격자가 동료를 사칭하고, 피싱 메시지를 맞춤화하거나, 탈취된 데이터를 검색하는 데 도움을 줄 수 있다면 암호화를 해독할 필요가 없다. 모델은 기존 범죄 기법을 증폭하는 수단이 된다.

FBI의 2025년 신고 데이터는 이러한 더 넓은 환경을 보여준다. Internet Crime Complaint Center는 2025년 동안 1,008,597건의 신고를 접수했다. 사이버 범죄 관련 신고 손실액은 210억 달러에 근접했다.

암호화폐 관련 신고는 181,565건에서 110억 달러가 넘는 신고 손실을 기록했다. 이 수치는 여러 범죄 유형을 포괄하므로 AI 기반 Web3 해킹의 측정치로 간주해서는 안 된다. 다만 표적의 금전적 규모를 보여준다.

같은 보고서는 센터 역사상 처음으로 AI 섹션을 포함했다. AI 관련 정보가 포함된 신고 22,364건과 약 8억 9,300만 달러의 조정 손실액을 기록했다. AI 연관성이 보고된 투자 신고의 손실액은 6억 3,200만 달러를 넘었다.

이 범주들은 개념적으로 겹치지만 서로 더해서는 안 된다. FBI 데이터는 범죄의 완전한 집계가 아니라 신고와 신고 손실을 설명한다. 또한 AI 관련 신고와 연결된 모든 손실이 AI 때문에 발생했다고 증명하지도 않는다.

그럼에도 패턴은 시사하는 바가 크다. FBI는 생성된 경영진 메시지, 음성 복제, 조작된 프로필, 합성 추천, 개인화된 대화를 식별했다. 이 기법들은 인간의 판단과 제도적 절차를 표적으로 삼는다.

바로 그 때문에 OneSafe의 AI 보안 우려는 접근 제어 논의에 속한다. 설득력 있는 메시지 하나가 송금을 촉발할 수 있다면, 시스템은 사람이 모든 기만을 정확히 감지하는 데 의존하게 된다. AI는 공격자에게 이 취약한 의존성을 시험할 기회를 더 많이 제공한다.

Web3에서는 승인 자체가 즉각적인 금전적 권한을 수반하는 경우가 많기 때문에 문제가 더 선명해진다. 손상된 기업 이메일 계정은 사기성 지급 요청을 시작할 수 있다. 손상된 지갑은 지급을 직접 실행할 수 있다.

스마트 계약은 또 다른 층을 더한다. 이는 자산을 보유하거나 금융 규칙을 집행할 수 있도록 블록체인에 배포되는 프로그램이다. 일부 계약은 특권 계정에 의해 업그레이드되거나 일시 중지될 수 있다. 공격자가 그 권한을 장악하면, 감사를 받은 계약 코드도 거의 보호 효과를 제공하지 못할 수 있다.

해답은 단순히 직원 교육을 늘리는 것이 아니다. 교육은 중요하지만, 사람은 모든 합성 음성, 사실적인 메시지 또는 복제된 인터페이스를 신뢰성 있게 식별할 수 없다. 조직에는 어느 정도의 기만은 성공할 것이라는 가정 아래 설계된 통제가 필요하다.

이러한 통제에는 하드웨어 기반 서명, 거래 시뮬레이션, 출금 허용 목록, 분리된 개발 및 자금 관리 환경, 그리고 두 명 이상이 참여하는 승인 요건이 포함된다. 팀에는 짧은 수명의 자격 증명과 중앙화된 권한 철회 절차도 필요하다.

검색 가능한 지식 베이스는 검증된 절차를 쉽게 찾을 수 있도록 유지함으로써 사고 대비를 지원할 수 있다. 기술적 강제를 대체할 수는 없지만, 팀이 신뢰할 수 있는 지침을 신속히 필요로 할 때 혼란을 줄일 수 있다.

따라서 AI Web3 보안의 핵심은 모든 가짜를 식별하는 데 있지 않다. 성공한 가짜가 지갑을 비우거나 운영 시스템을 변경할 만큼의 권한을 얻지 못하게 하는 데 있다.

자동화는 공격자를 돕지만, Web3는 여전히 영향력을 제공한다

AI는 공격의 속도와 표현 방식을 개선하는 반면, Web3의 집중된 자격 증명과 되돌릴 수 없는 거래가 그 영향을 결정한다.

“AI 기반 공격”이라는 표현은 설명하는 것보다 더 많은 것을 감출 수 있다. 생성된 피싱 문구, 합성 영상, 자동화된 취약점 탐색, 악성 코드 생성 또는 적대적 입력으로 조작된 에이전트를 뜻할 수 있다. 이러한 메커니즘은 서로 대체할 수 없다.

현재 가장 뚜렷한 접점은 피싱이다. 언어 모델은 여러 언어로 문법적으로 올바른 메시지를 생성하고 수신자의 역할에 맞게 조정할 수 있다. 공격자는 이 텍스트를 공개 프로필, 유출된 데이터베이스 또는 탈취된 이메일의 정보와 결합할 수 있다.

암호화폐 커뮤니티는 Discord, Telegram, X 및 기타 공개 채널에도 크게 의존한다. 지원 대화, 토큰 공지, 거버넌스 논의, 채용 제안은 사칭범이 사용하는 것과 같은 인터페이스를 통해 도착할 수 있다.

Check Point는 Inferno Drainer 연구에서 이 패턴을 문서화했다. 연구자들은 사용자를 합법적인 Web3 사이트에서 Discord로 이동시킨 뒤, 위조된 Collab.Land 봇과 피싱 페이지를 제시하는 캠페인을 발견했다.

피해자들은 지갑을 연결하고 악성 거래에 서명하도록 유도됐다. 이 기법은 이국적인 AI 기능이 아니라 익숙한 검증 절차를 악용했다. Check Point는 Inferno Drainer가 6개월 동안 30,000개가 넘는 지갑에 영향을 미치고 최소 900만 달러의 손실을 초래했다고 추정했다.

이 서비스는 짧은 수명의 계약, 암호화된 온체인 구성, 순환 주소 및 프록시 인프라도 사용했다. 이러한 메커니즘은 탐지와 차단을 더 어렵게 만들었다. 이는 새로운 모델 없이도 자동화와 재사용 가능한 범죄 인프라가 공격을 확장할 수 있음을 보여준다.

인포스틸러는 다른 경로를 만든다. 감염된 기기에서 브라우저 쿠키, 저장된 비밀번호, 토큰, 파일 및 지갑 관련 데이터를 수집한다. 공격자는 위조 애플리케이션, 악성 광고, 소프트웨어 크랙, 오염된 저장소 또는 가짜 면접을 통해 이를 배포할 수 있다.

AI는 이러한 캠페인을 더 설득력 있게 만들 수 있다. 맞춤형 채용 메시지를 작성하고, 사실적인 문서를 생성하거나, 모방 웹사이트 제작을 도울 수 있다. 그러나 악성 첨부 파일, 패키지 또는 명령은 설득이 실행으로 전환되는 지점으로 남는다.

이 경계는 방어에 중요하다. 콘텐츠 분류기는 의심스러운 문구를 탐지할 수 있지만, 사용자가 서명되지 않은 바이너리를 실행하는 것을 막을 수는 없다. 마찬가지로 스마트 계약 감사는 개발자의 노트북에서 악성코드를 제거하지 못한다.

Hacken은 H1 보안 보고서에서 더 광범위한 변화를 보고했다. 이 회사는 2025년 상반기 Web3 손실을 31억 달러로 집계했다. 이 중 18억 3,000만 달러는 접근 제어 익스플로잇, 6억 달러는 피싱 및 사회공학, 약 2억 6,300만 달러는 스마트 계약 버그로 분류했다.

이 수치는 정부 집계가 아니라 보안 업체의 방법론에서 나온 것이다. 그럼에도 중요한 비교를 뒷받침한다. 해당 기간에는 접근 실패와 인간 조작으로 발생한 신고 손실이 계약 버그보다 훨씬 컸다.

Hacken은 또한 주로 안전하지 않은 애플리케이션 프로그래밍 인터페이스와 취약한 추론 구성과 관련된 AI 관련 익스플로잇이 1,025% 증가했다고 보고했다. 공개 요약본은 완전한 사건 목록이나 분모를 제공하지 않으므로, 이 주장은 신중하게 해석할 필요가 있다.

높은 성장률은 작은 기반에서 시작될 수 있습니다. 연구자들이 더 많은 사건을 AI 관련 사례로 분류하면서 분류 기준도 달라질 수 있습니다. 이 수치는 주목할 만한 범주임을 시사하지만, AI가 Web3 손실의 주된 원인이 되었다는 점을 입증하지는 않습니다.

더 타당한 결론은 AI가 기존 공격 표면을 확장한다는 것입니다. 그리고 Web3는 공격자가 탈취할 수 있는 이례적으로 높은 가치의 권한을 제공합니다.

AI 에이전트는 디지털 자산으로 향하는 더 직접적인 경로를 만든다

AI 시스템이 외부 콘텐츠를 읽고 인간이 각 행동을 검토하지 않은 채 거래를 승인할 수 있게 되면, 위험의 구조는 근본적으로 달라집니다.

AI 에이전트는 모델을 사용해 여러 도구 전반에서 행동을 선택하고 수행하는 소프트웨어입니다. Web3 환경에서 이러한 행동에는 시장 데이터 읽기, 자산 스왑, 거버넌스 투표, 계약 상호작용 또는 자금 이동 등이 포함될 수 있습니다.

이러한 구성은 위협 모델을 바꿉니다. 일반적인 챗봇은 잘못된 조언을 제공할 수 있습니다. 반면 지갑 접근 권한이 있는 에이전트는 잘못된 지시를 되돌릴 수 없는 거래로 전환할 수 있습니다.

Princeton University와 University of Illinois 연구진은 agent attack study에서 이 문제를 살펴봤습니다. 이 연구는 에이전트가 읽는 정보 안에 악의적인 지시를 삽입하는 공격인 컨텍스트 조작에 초점을 맞췄습니다.

연구진은 자율형 Web3 애플리케이션에 사용되는 프레임워크인 ElizaOS를 대상으로 공격을 시험했습니다. 조작된 프롬프트와 과거 상호작용 기록이 의도치 않은 전송과 프로토콜 위반을 유발할 수 있다고 보고했습니다.

이는 신뢰할 수 없는 콘텐츠가 모델에 본래의 작업을 무시하라고 지시하는 프롬프트 인젝션과 유사합니다. 차이는 운영상 결과에 있습니다. 조작된 에이전트는 부정확한 답변을 내놓는 데 그치지 않을 수 있습니다. 연결된 도구나 지갑을 사용할 수 있습니다.

이 연구는 또한 시험 환경에서 프롬프트 기반 방어만으로는 충분하지 않았음을 확인했습니다. 악의적인 정보가 저장된 컨텍스트에 남아 이후 상호작용에 영향을 미칠 수 있었습니다. 이러한 지속성은 세션 전반에 걸친 연쇄적 실패 가능성을 만듭니다.

이러한 결과를 모든 에이전트나 지갑 구성에 일반화해서는 안 됩니다. 이 논문은 특정 시스템과 공격 설계를 시험했습니다. 실제 운영 환경에서는 노출을 줄이는 권한 제어와 외부 검증을 적용할 수 있습니다.

그럼에도 이 메커니즘은 신뢰할 수 있고 중요합니다. 에이전트는 운영을 위해 외부 데이터가 필요한 경우가 많습니다. 여기에는 소셜 게시물, 거버넌스 제안, 토큰 설명, 지원 메시지, 탈중앙화 애플리케이션 인터페이스가 포함될 수 있습니다. 이들 표면 어느 곳에나 적대적인 지시가 담길 수 있습니다.

개발자는 모델 컨텍스트를 신뢰할 수 없는 입력으로 다뤄야 합니다. 또한 에이전트가 언젠가는 요청을 오해하거나 조작된 정보를 마주하게 될 것이라고 가정해야 합니다. 보안은 모델의 추론 과정 밖에 존재해야 합니다.

한 가지 접근법은 역량 분리입니다. 시장을 모니터링하는 에이전트에 자동으로 서명 권한까지 부여할 필요는 없습니다. 거래를 준비하는 시스템은 다른 서비스나 사람이 검토할 수 있도록 서명되지 않은 제안을 생성할 수 있습니다.

거래 한도는 또 다른 경계가 됩니다. 팀은 정해진 기간 동안 전송 가능한 금액에 상한을 두고, 승인된 계약을 제한하며, 임의의 목적지 주소를 금지할 수 있습니다. 전용 정책 엔진은 모델에 의존하지 않고 이러한 규칙을 평가할 수 있습니다.

시뮬레이션은 실행 전에 맥락을 더합니다. 거래가 잔액, 승인 권한, 계약 상태를 어떻게 바꾸는지 추정합니다. 시뮬레이션이 모든 악의적 결과를 찾아내지는 못하지만, 예상치 못한 전송이나 무제한 토큰 권한은 드러낼 수 있습니다.

권한 철회도 주목할 필요가 있습니다. 팀에는 자격 증명 비활성화, 키 교체, 자동화 중지, 침해된 구성 요소 격리를 신속하게 수행할 방법이 필요합니다. 에이전트가 지속적으로 운영될 때 복잡한 종료 절차는 보안 취약점이 됩니다.

이것이 Web3에 미치는 가장 구체적인 AI 영향입니다. 모델은 콘텐츠 생성에서 벗어나 운영 권한을 보유한 시스템으로 이동하고 있습니다. 그에 따른 위험은 확률적 의사결정과 결정론적 금융 실행이 결합하면서 발생합니다.

Google News 서사에는 여전히 증거 공백이 있다

OneSafe는 정당한 위험을 지적하지만, 독자는 모든 암호화폐 손실, 피싱 캠페인, 악성코드 감염을 하나의 AI 통계로 뭉뚱그려서는 안 됩니다.

Google News는 기사를 노출할 수 있지만, 집계가 기사 안의 모든 주장을 검증하는 것은 아닙니다. 검색 노출은 발견 가능성을 측정합니다. 이는 사고 대응 기록, 기술 분석, 투명한 데이터 수집을 대체하지 못합니다.

OneSafe 기사는 특히 AI 관련 파일과 정리된 백업을 면밀히 살피라는 조언 등 합리적인 권고를 제공합니다. 하지만 가장 생생하게 제시한 악성코드 사례에는 연결된 포렌식 분석 자료가 없습니다. 독자는 관련 소프트웨어, 감염 경로, 영향을 받은 시스템, 복구 과정을 검토할 수 없습니다.

이처럼 빠진 정보는 교훈의 범위를 제한합니다. 공격자가 가짜 AI 애플리케이션을 배포했다면 애플리케이션 서명과 다운로드 검증이 핵심이 됩니다. 생성된 코드가 취약점을 초래했다면 코드 검토와 테스트가 더 중요합니다. 악의적인 지시가 명령을 실행했다면 샌드박싱과 승인 제어가 우선순위가 됩니다.

용어도 또 다른 문제를 만듭니다. “AI-infused malware”는 모델이 악성 프로그램 내부에서 작동했다는 인상을 줄 수 있습니다. 많은 사건에서 AI는 메시지를 작성하거나 코드를 조정하는 등 그보다 앞선 단계에서 공격자를 돕습니다. 피해자에게 도달하는 악성코드는 기존 인포스틸러처럼 작동할 수 있습니다.

이 차이는 조달과 정책에 영향을 줍니다. 기업은 개발자 자격 증명을 노출한 채 AI 콘텐츠 탐지기를 구매할 수 있습니다. 직원들이 검증되지 않은 도구를 계속 다운로드하는 동안 승인된 어시스턴트만 금지할 수도 있습니다. 거래 권한을 제한하지 않은 채 모니터링만 확대할 수도 있습니다.

FBI 수치에도 같은 수준의 엄격함이 필요합니다. FBI의 AI 범주는 신고된 민원 정보에 의존합니다. 기관은 AI가 설득력 있는 합성 프로필과 대화를 가능하게 한다고 말하지만, 손실 총액은 Web3 프로토콜에 대한 기술적 악용을 별도로 분리하지 않습니다.

암호화폐 범주 역시 블록체인 해킹보다 더 넓습니다. 여기에는 범죄자가 디지털 자산을 통해 결제를 요청하거나 이동시키는 투자 사기 및 기타 수법이 포함됩니다. 암호화폐는 취약점 자체가 아니라 결제 수단일 수 있습니다.

벤더 보고서는 서로 다른 질문에 답합니다. 블록체인 보안 기업은 온체인 손실을 분석하고 자체 분류 체계로 사건을 구분할 수 있습니다. 해당 데이터셋은 피해자가 연방 당국에 신고하지 않은 프로토콜 공격까지 포착할 수 있습니다.

이러한 출처는 직접 비교할 수 없더라도 서로를 보완할 수 있습니다. FBI는 신고된 사기의 규모를 보여 줍니다. Check Point는 특정 지갑 탈취 작전을 문서화합니다. Hacken은 Web3 부문 전반의 손실을 분류합니다. 학계 연구진은 에이전트가 적대적 컨텍스트에 어떻게 반응하는지 시험합니다.

종합하면, 이들은 신중한 결론을 뒷받침합니다. AI는 기만을 더 저렴하게 만들고 개인화하기 쉽게 합니다. 자율형 에이전트는 새로운 실행 위험도 만들 수 있습니다. 어느 쪽도 AI가 대부분의 Web3 손실에 책임이 있다는 점을 입증하지는 않습니다.

경쟁에는 방어적 측면도 있습니다. 보안팀은 머신러닝을 사용해 경보의 우선순위를 정하고, 계약을 분류하며, 의심스러운 거래를 식별하고, 행동 이상 징후를 탐지합니다. 개발자는 모델을 사용해 코드를 검토하고 테스트를 생성합니다.

이러한 활용은 사람이 결과를 검증할 때 위험을 줄일 수 있습니다. 팀이 모델의 평가를 안전성의 증거로 간주할 때는 잘못된 확신을 만들 수 있습니다.

핵심 경쟁은 자동화와 강제 가능한 통제 간의 대결입니다. 공격자는 탐색과 설득을 자동화합니다. 방어자는 격리, 최소 권한, 시뮬레이션, 모니터링, 권한 철회를 자동화해야 합니다.

이러한 관점은 포괄적인 AI 위협론보다 덜 극적입니다. 하지만 더 실행 가능성이 높습니다.

위협이 고조되는지 보여 줄 세 가지 신호

다음 단계는 자극적인 헤드라인의 수가 아니라 검증된 에이전트 사고, 접근 제어 손실, 더 강력한 거래 보호장치로 측정될 것입니다.

첫 번째 신호는 조작된 AI 에이전트가 직접 야기한 손실이 문서화되는 것입니다. 유용한 공개 자료는 모델의 권한, 적대적 입력, 수행된 행동, 실패한 통제를 식별해야 합니다.

이러한 사건은 AI가 독자적인 Web3 취약점 범주를 만든다는 주장을 강화할 것입니다. 이 증거가 없다면, 신고된 많은 공격은 AI 지원 준비 과정을 거친 기존의 자격 증명 탈취나 피싱으로 남을 것입니다.

두 번째 신호는 탈취된 키, 권한, 소셜 엔지니어링에 기인하는 Web3 손실의 비중입니다. 보안 보고서는 가능한 경우 명확한 정의와 사건 단위 데이터를 공개해야 합니다.

접근 제어 손실이 계속 지배적이라면, 팀은 신원 경계와 서명 아키텍처를 우선시해야 합니다. 모델 특화 침해가 지속적으로 증가한다면 에이전트 격리와 컨텍스트 필터링에 더 큰 투자를 정당화할 수 있습니다.

세 번째 신호는 독립적인 거래 정책 시스템의 도입입니다. 지갑 제공업체, 거래소, 프로토콜 팀은 자산이 이동하기 전에 시뮬레이션, 목적지 제한, 지출 한도 또는 다중 승인을 요구할 수 있습니다.

광범위한 도입은 공격자의 이점을 약화할 것입니다. 한 명의 직원이 요청된 행동을 승인할 수 없을 때, 설득력 있는 합성 메시지의 가치는 떨어집니다. 자격 증명이 제한된 작업만 허용할 때, 침해된 에이전트도 덜 위험해집니다.

OneSafe의 Google News 경고는 위기가 발생하기 전에 개발자 행동에 주의를 돌린다는 점에서 유용합니다. 그 증거 공백은 보안 주장에 출처, 재현 가능한 세부 사항, 신중한 범주화가 필요한 이유도 보여 줍니다.

개발자는 코드, 브라우저 세션, 배포 비밀 또는 지갑에 접근할 수 있는 모든 서비스를 검토해야 합니다. 어떤 시스템이 행동만 권고할 수 있고 어떤 시스템이 실제로 실행할 수 있는지 식별해야 합니다. 이 지도는 승인된 AI 제품 목록보다 더 많은 위험을 드러내는 경우가 많습니다.

기업 구매자는 벤더에게 에이전트가 컨텍스트를 어떻게 저장하고, 도구를 어떻게 격리하며, 권한을 어떻게 철회하는지 물어야 합니다. 거래 정책이 모델 외부에서 작동하는지도 확인해야 합니다. 안전 프롬프트는 접근 제어 시스템이 아닙니다.

지식 근로자는 긴급한 금융 요청을 별도 채널을 통해 검증해야 합니다. 음성, 영상, 익숙한 문체는 더 이상 신뢰할 수 있는 신원 증명이 아닙니다. 이미 알고 있는 연락 수단과 확립된 승인 절차가 더 큰 가치를 지닙니다.

이 Google News 기사 이후 중요한 질문은 AI가 Web3에 속하는지 여부가 아닙니다. 각각의 자동화 시스템이 하나의 기만적인 입력을 영구적인 손실로 바꿀 만큼 충분한 권한을 갖고 있는지입니다. 지금 그 경계를 감사하고, 누가 행동을 중단할 수 있는지 문서화하며, 공격자가 이를 시험하기 전에 종료 경로를 테스트하십시오.