AI 위협 가속화 속 CrowdStrike와 Palo Alto Networks, 사상 최고치 기록

CNBC reported에 따르면, Black Hat USA 2026이 사이버보안 보도를 지배한 갈등을 부각한 뒤 CrowdStrike와 Palo Alto Networks는 사상 최고 수준에 도달했다. 인공지능은 공격자를 더 빠르게 만들고 있지만, 투자자들은 그와 같은 가속이 기존 보안 공급업체의 판매 동력이 될 것으로 점점 더 보고 있다.

이러한 해석은 2026년 초 소프트웨어 주식에 부담을 줬던 우려를 뒤집는다. 투자자들은 고도화된 모델이 보안 스택의 일부를 대체할 수 있다고 우려했다. 그러나 Black Hat은 AI 애플리케이션, 자율 에이전트, ID, 클라우드 워크로드, 그리고 모델 자체를 보호해야 할 필요성이 커지고 있음을 부각했다.

시장 반응이 두 회사 중 어느 쪽이 이 신흥 카테고리를 지배할 것이라는 점을 증명하는 것은 아니다. 이는 투자자들이 질문을 바꿨음을 보여준다. AI가 보안 소프트웨어를 없앨지 묻기보다, AI가 만들어내는 더 넓은 공격 표면을 어느 공급업체가 통제할 수 있는지 묻고 있다.

이 차이는 주주만큼이나 구매자에게 중요하다. CrowdStrike와 Palo Alto Networks는 서로 다른 보안 아키텍처를 판매하지만, 둘 다 광범위한 플랫폼 중심의 통합을 약속한다. Microsoft, Cisco, Google 및 전문 공급업체들도 같은 엔터프라이즈 예산을 놓고 경쟁하고 있다.

따라서 핵심 경쟁은 CrowdStrike와 Palo Alto Networks 간의 대결이 아니다. 이는 AI가 도입하는 운영 복잡성과 공격자 속도에 맞서, 보안 플랫폼이 제시하는 AI 지원 통제의 약속을 둘러싼 경쟁이다.

Black Hat이 Google News 보도를 바꾼 방식

Black Hat은 AI 보안을 제품 주장 수준에서, 가속되는 공격과 자동화된 방어 간의 가시적인 경쟁으로 전환했다.

Black Hat USA 2026은 8월 1일부터 8월 6일까지 라스베이거스의 Mandalay Bay에서 열렸다. 공개된 프로그램에는 전용 AI Summit과 “AI & Autonomous Threats” 트랙이 포함됐다.

이 의제는 AI를 클라우드 보안, 애플리케이션 방어, 하드웨어 공격, 사고 대응과 나란히 배치했다. AI는 더 이상 미래 위험을 다루는 기조연설에만 국한되지 않았다.

이 컨퍼런스의 AI Summit은 인공지능이 공격과 방어를 모두 어떻게 바꾸고 있는지에 초점을 맞췄다. 전시업체들은 모의 피싱, 딥페이크 훈련, 자동화된 조사, AI 에이전트 보호를 위한 시스템을 선보였다.

Palo Alto Networks는 적대적 AI를 숙련도가 낮은 범죄자도 설득력 있는 캠페인을 구축할 수 있게 하는 힘으로 설명했다. 이 회사의 Black Hat 자료는 그러한 캠페인이 기계 속도로 작동할 수 있으며, 때로는 기존 방식보다 10배 빠르게 움직일 수 있다고 밝혔다.

이 수치는 회사 자체의 사고 대응 관찰에서 나온 것이므로 업계 전반의 측정치로 받아들여서는 안 된다. 그럼에도 보안팀이 직면한 압박을 잘 보여준다.

AI는 표적 조사, 그럴듯한 메시지 생성, 악성 코드 수정, 대안적 접근법 테스트에 필요한 시간을 줄인다. 공격자는 대규모 인력 팀을 유지하지 않고도 이러한 단계를 반복할 수 있다.

실질적인 변화는 완전히 자율적인 해커의 등장이 아니다. 이는 더 많은 준비, 실험, 커뮤니케이션을 소프트웨어에 위임할 수 있는 인간 공격자다.

방어자들도 유사한 방식을 채택하고 있다. 보안 에이전트는 경보를 요약하고, 증거를 상관 분석하며, 조치를 권고하고, 승인된 대응을 실행할 수 있다. 에이전트는 하나의 답변만 생성하는 것이 아니라 여러 단계를 거쳐 목표를 추구하는 소프트웨어다.

이러한 대칭성은 시장 반응을 설명하는 데 도움이 된다. 더 강력한 AI가 기존 사이버보안 기업을 단순히 약화시키는 것은 아니다. 이는 신뢰할 수 있는 데이터, 정책 통제, ID 맥락, 권한이 부여된 대응 시스템의 가치를 높인다.

CrowdStrike는 클라우드 기반 보안 플랫폼 Falcon을 통해 광범위한 엔드포인트 텔레메트리를 보유하고 있다. Palo Alto Networks는 네트워크, 클라우드, 운영, AI 애플리케이션 보안 전반을 아우른다. 두 회사 모두 AI가 기존 데이터 전반에서 작동할 때 더 유용해진다고 주장할 수 있다.

그러나 이 컨퍼런스는 어려운 한계도 드러냈다. AI 보조 도구는 사고를 설명할 수 있다는 이유만으로 모든 경보를 안전하게 해결할 수는 없다. 기업에는 여전히 권한 부여 규칙, 감사 추적, 그리고 인간의 책임성이 필요하다.

따라서 Black Hat의 신호는 주가 서사가 시사하는 것보다 더 신중했다. AI는 해결 가능한 문제의 범위를 넓히지만, 자동으로 신뢰할 수 있는 해결책을 제공하지는 않는다.

google news 헤드라인이 행사를 사상 최고 주가로 압축할 때 이런 뉘앙스는 사라질 수 있다. 더 중요한 변화는 시장 움직임 아래에서 일어났다. 보안 플랫폼은 방어해야 할 새로운 워크로드를 확보했다.

이 워크로드에는 프롬프트, 모델, 검색 시스템, 에이전트 ID, 도구 권한, 데이터 연결이 포함된다. 각 구성 요소는 실수나 악의적인 지시가 유입될 수 있는 또 다른 지점을 만든다.

이처럼 넓어진 표면은 보안 공급업체가 새로운 역량을 구축하거나 인수해야 할 설득력 있는 이유를 제공한다. 동시에 개별 AI 위험을 더 잘 해결할 수 있는 전문 기업에도 기회를 만든다.

그 결과는 승자가 아직 정해지지 않은 더 큰 시장이다. 투자자들이 최대 규모의 상장 공급업체에 보상하는 가운데에도 Black Hat은 이러한 불확실성을 가시화했다.

더 빨라진 AI 공격이 보안팀의 부담을 키운다

가장 강력한 수요 논거는 완전 자율형 사이버범죄에 대한 극적인 주장보다, 줄어드는 대응 시간에 기반한다.

CrowdStrike의 2026년 위협 연구에 따르면 관찰된 eCrime의 평균 돌파 시간은 29분으로 감소했다. 돌파 시간은 침입자가 최초로 침해된 시스템에서 환경의 다른 부분으로 얼마나 빠르게 이동하는지를 측정한다.

이 회사는 또한 관찰된 가장 빠른 돌파 시간이 27초였다고 보고했다. 또 다른 사고에서는 최초 접근 후 4분 만에 데이터 유출이 시작된 것으로 알려졌다.

이 수치는 CrowdStrike 자체 고객 및 위협 인텔리전스 가시성에서 나온 것이다. 전 세계 모든 침해를 포괄하지는 않는다. 그럼에도 수동 조사가 너무 느려질 수 있는 이유를 보여준다.

별도의 technology threat report는 CrowdStrike 데이터셋에서 기술 산업이 가장 많이 표적이 된 업종이었다고 밝혔다. 회사는 해당 부문을 겨냥한 국가 지원 표적 침입의 58% 이상을 중국 연계 적대 세력에 귀속했다.

이 보고서는 AI를 여러 유형의 위험과 연결한다. 공격자는 모델 연구, 독점 데이터, 개발자 자격 증명, 클라우드 리소스, 그리고 모델을 학습하거나 제공하는 데 사용되는 인프라를 노린다.

소프트웨어 개발 환경은 특히 가치가 높다. 손상된 토큰이나 악성 종속성은 코드, 배포 시스템, 운영 데이터에 대한 접근을 제공할 수 있다.

AI 에이전트는 여러 시스템을 연결하는 경우가 많기 때문에 이러한 노출을 넓힐 수 있다. 업무용 에이전트는 이메일을 읽고, 클라우드 스토리지를 검색하고, 티켓을 업데이트하고, 내부 서비스를 호출할 수 있다.

그 에이전트를 조작하는 공격자는 연결된 각 애플리케이션을 별도로 뚫을 필요가 없을 수 있다. 에이전트에 승인된 접근 권한이 그 사이의 경로가 될 수 있다.

이 때문에 ID가 AI 보안의 중심으로 이동하고 있다. 기업은 어떤 행위가 사람, 서비스 계정, 또는 자율 프로세스에서 비롯됐는지를 알아야 한다.

또한 해당 행위자가 사건 발생 당시 정확히 무엇을 할 수 있도록 허용됐는지도 판단해야 한다. 에이전트가 여러 도구를 가로질러 긴 작업 순서를 시작할 수 있을 때, 정적 권한은 제한적인 보호만 제공한다.

CrowdStrike의 입장은 엔드포인트, ID, 클라우드 및 위협 데이터가 공통 의사결정 계층으로 흘러야 한다는 것이다. 이 회사의 Charlotte AI 시스템은 조사와 보안 운영에 생성형 AI를 적용한다.

Palo Alto Networks는 더 넓은 네트워크와 클라우드 기반에서 유사한 플랫폼 논거를 제시하고 있다. Prisma AIRS 포트폴리오는 AI 애플리케이션, 모델, 에이전트, 프롬프트 및 런타임 활동을 겨냥한다.

런타임 보안 시스템은 애플리케이션이 작동하는 동안 이를 관찰한다. 애플리케이션이 완료하기 전에 악성 프롬프트나 도구 동작을 차단할 수 있다.

두 접근법 모두 현실적인 제약에 대응한다. 보안 운영 센터는 이미 많은 팀이 수동으로 검토할 수 있는 수준을 넘는 경보를 받고 있다. 더 빨라진 공격은 지연된 분류를 더 위험하게 만든다.

자동화는 대응 시간을 단축할 길을 제공하지만 새로운 실패 모드도 도입한다. 운영 서버를 잘못 격리하는 시스템은 공격자가 없는 상황에서도 피해를 유발할 수 있다.

2024년 7월 CrowdStrike 장애는 여전히 가장 중요한 역사적 참고 사례다. 결함이 있는 콘텐츠 업데이트는 전 세계 Windows 시스템에 영향을 미쳐 항공사, 병원, 은행 및 기타 조직의 운영을 방해했다.

이 사건은 생성형 AI와 관련이 없었다. 이는 신뢰받는 하나의 보안 플랫폼이 수백만 대의 기기에 변경을 적용할 수 있을 때 발생하는 집중 위험을 보여줬다.

AI 기반 자동 조치는 이 교훈의 중요성을 키운다. 더 높은 속도는 차단을 개선할 수 있지만, 사람이 개입하기 전에 잘못된 결정을 확산시킬 수도 있다.

따라서 보안 공급업체는 에이전트의 영향 범위를 제한하는 통제가 필요하다. 구매자는 승인 기준, 되돌릴 수 있는 조치, 상세 로그, 검증된 대체 절차를 살펴봐야 한다.

시장은 이러한 역량에 대한 수요가 확대되고 있다고 본다. 보안 책임자들은 그에 수반되는 운영 부담을 본다. 이 차이가 사상 최고 주가와 불안한 컨퍼런스 세션이 공존할 수 있는 이유를 설명한다.

CrowdStrike와 Palo Alto는 복잡성에 맞서는 플랫폼을 판매한다

투자 논거는 광범위한 보안 플랫폼이 AI가 만들어내는 복잡성보다 더 빠르게 복잡성을 줄일 수 있다는 가정에 기반한다.

CrowdStrike는 엔드포인트 탐지 및 대응을 중심으로 입지를 구축했다. EDR은 의심스러운 행동을 지속적으로 모니터링하고 조사나 차단을 지원한다.

Falcon 플랫폼은 이후 ID 보호, 클라우드 보안, 노출 관리, 로그 분석 및 기타 영역으로 확장됐다. 공유 아키텍처는 고객이 각 기능마다 별도의 플랫폼을 배포하지 않고도 더 많은 모듈을 활성화할 수 있게 한다.

Palo Alto Networks는 네트워크 방화벽으로 시작해 Strata, Prisma, Cortex를 통해 확장했다. 이 사업들은 네트워크 통제, 클라우드 환경, 보안 운영을 포괄한다.

이 회사는 더 적은 전략적 공급업체로 여러 보안 기능을 통합하는 자사의 용어인 “platformization”을 추진해 왔다. 이 접근법은 분리된 제품과 각각의 데이터 저장소를 대체하는 것을 목표로 한다.

이 회사의 2026회계연도 보고는 구매자들이 새로운 서비스를 채택하고 있다는 증거를 제공한다. Palo Alto Networks는 2026회계연도 2분기 이후 차세대 보안 연간 반복 매출이 약 79억5,000만 달러에 이를 것으로 전망했으며, 이는 전년 대비 56% 성장이다.

연간 반복 매출은 구독 계약의 연환산 가치를 측정한다. 이는 투자자가 반복 수요를 평가하는 데 도움이 되지만, 인식 매출이나 수취 현금과 같지는 않다.

이후의 earnings presentation은 Prisma AIRS가 에이전트 보안 기능을 확장했다고 밝혔다. 자료에는 에이전트 스캐닝, 레드팀 테스트, 런타임 보호, 관측 가능성, 보안 상태 관리가 나열됐다.

레드팀 테스트는 적대적 행동을 시뮬레이션해 시스템을 시험한다. AI 에이전트의 경우 이는 악성 프롬프트, 안전하지 않은 도구 요청, 또는 제한된 데이터에 접근하려는 시도를 포함할 수 있다.

CrowdStrike는 같은 경쟁에서 다른 강점을 제공한다. 엔드포인트 활동은 프로세스, ID, 파일, 공격자 행위에 관한 상세한 증거를 모델에 제공한다.

이러한 증거는 AI 어시스턴트가 무해한 이상 징후와 침입을 구분하는 데 도움이 될 수 있다. 또한 고객 환경 전반에서 자동화된 위협 헌팅을 지원할 수 있다.

어느 쪽의 데이터 우위도 절대적이지는 않다. Microsoft는 자체 설치 기반에서 ID, 엔드포인트, 생산성, 클라우드, 모델 활동을 결합할 수 있다. Cisco는 네트워크 텔레메트리를 애플리케이션 및 ID 제어와 연결할 수 있다.

Google은 클라우드 보안을 AI 개발 스택 및 Mandiant 위협 인텔리전스와 연계할 수 있다. Amazon Web Services 역시 AI 및 클라우드 워크로드를 위한 자동화된 보안 운영을 홍보하고 있다.

AWS Black Hat 미리보기는 AI 워크로드 보안과 자율적 복구 조치를 강조했다. 이러한 구도는 플랫폼 벤더들이 내세우는 핵심 약속을 반영한다.

경쟁 압력은 대형 기술 기업에만 국한되지 않는다. 스타트업들도 모델 접근, 프롬프트 인젝션, 데이터 유출, 에이전트 ID, AI 공급망을 위한 통제를 구축하고 있다.

이러한 전문 기업은 하나의 새로운 문제에 더 깊이 집중할 수 있다. 그러나 엔터프라이즈 구매자는 또 하나의 대시보드, 데이터 파이프라인, 정책 엔진, 벤더 검토 절차를 추가하는 데 저항할 수 있다.

이러한 긴장 관계는 CrowdStrike와 Palo Alto Networks에 유리하게 작용한다. 이들의 제품은 이미 많은 보안 프로그램에 포함돼 있으며, 영업팀은 대형 구매자와 기존 관계를 맺고 있다.

새로운 AI 통제는 또 하나의 벤더가 아니라 또 하나의 모듈이 될 수 있다. 통합은 AI 이벤트를 엔드포인트 또는 네트워크 활동과 연관 짓는 데 필요한 시간도 줄일 수 있다.

그 대가로 의존성이 생긴다. 한 제공업체 중심으로 통합하면 벤더 장애, 잘못된 정책, 또는 관리 평면 침해의 영향이 커진다.

전환도 더 어려워질 수 있다. 데이터 형식, 사고 대응 워크플로, 직원 교육, 상업 계약이 선택한 플랫폼을 중심으로 누적되기 때문이다.

따라서 구매자는 통합을 단순한 조달 할인으로 보지 말고 아키텍처 결정으로 다뤄야 한다. 최선의 플랫폼이 반드시 가장 긴 기능 목록을 가진 플랫폼은 아니다.

유용한 평가는 구체적인 사고에서 시작한다. 플랫폼은 안전하지 않은 에이전트 행위를 그 ID, 프롬프트, 모델, 도구 호출, 영향을 받은 데이터까지 추적할 수 있는가?

관련 없는 시스템을 비활성화하지 않고 해당 행위를 멈출 수 있는가? 조사자는 자동화된 대응이 왜 발생했는지 재구성할 수 있는가?

이 질문들은 Black Hat의 기술 논의를 주가 기록과 연결한다. 투자자들은 광범위한 플랫폼이 이러한 질문에 대규모로 답할 수 있다고 베팅하고 있다.

벤더들은 여전히 실제 공격 조건에서 통합 제품이 함께 작동한다는 점을 입증해야 한다. 통합된 판매 계약이 통합된 탐지나 대응을 보장하지는 않는다.

신고가 뒤에 놓인 AI 보안의 상충 관계

AI는 수요 촉진 요인이자 실행 위험이므로, 더 높은 밸류에이션에는 우려를 불러일으키는 위협 보고서 이상의 것이 필요하다.

사상 최고 주가는 미래 실적에 대한 기대를 반영한다. 이는 AI 보안 제품의 효과나 고객 수요의 지속성을 검증하지는 않는다.

보고된 신고가는 사이버보안 기업에 대한 보다 폭넓은 재평가 뒤에 나타났다. 이전에는 고도화된 코딩 에이전트가 기존 소프트웨어 벤더에 대한 수요를 줄일 수 있다는 우려가 있었다.

보안은 그런 단순한 대체 서사에 맞추기 더 어려운 분야임이 드러났다. 조직은 법적 책임, 규제 의무, 사고 책임을 범용 모델에 위임할 수 없다.

모델은 탐지 규칙을 작성하거나 의심스러운 행위를 요약할 수 있다. 그러나 기업의 위험 허용 수준을 독자적으로 결정하거나 핵심 서비스 중단에 대한 책임을 질 수는 없다.

보안은 또한 최신의 비공개 데이터에 의존한다. 어시스턴트는 정보에 근거한 대응을 하기 전에 엔드포인트, ID, 애플리케이션, 네트워크에서 신뢰할 수 있는 텔레메트리를 확보해야 한다.

이는 이미 대량의 운영 증거를 수집하는 벤더에 유리하게 작용한다. 또한 범용 모델 제공업체가 즉시 재현할 수 없는 경제적 해자를 만든다.

그러나 같은 논리는 순환 논리가 될 수 있다. 벤더는 AI가 더 많은 위험을 만든다는 이유로 고객이 자사 플랫폼을 필요로 한다고 말한 뒤, 그 플랫폼 안에서 AI를 사용해 추가된 복잡성을 관리한다.

가치는 그 결과물인 시스템이 측정 가능한 성과를 개선할 때만 실재한다. 구매자는 성공한 침입의 감소, 짧아진 조사 시간, 낮아진 운영 부담을 필요로 한다.

허용 가능한 오탐률도 필요하다. 오탐은 보안 시스템이 정상 활동을 악의적 활동으로 판단할 때 발생한다.

AI는 맥락을 추가해 잡음을 줄일 수 있지만, 생성형 모델은 근거 없는 결론을 낼 수도 있다. 보안 분야에서 자신감 있는 잘못된 설명은 분석가를 잘못된 조치로 이끌 수 있다.

어시스턴트가 행동 권한을 가진 에이전트가 되면 위험은 커진다. 권고는 검토할 수 있지만, 자동 격리 결정은 수초 안에 실행될 수 있다.

이 때문에 거버넌스는 제품 품질의 일부가 된다. 벤더는 도구 사용, 데이터 접근, 승인, 모델 변경, 자동화된 복구 조치를 둘러싼 경계를 제공해야 한다.

외부 테스트는 여전히 필수적이다. 기업 시연은 흔히 알려진 공격 경로, 선별된 데이터세트, 통제된 환경을 사용한다.

실제 엔터프라이즈 시스템에는 오래된 애플리케이션, 일관성 없는 ID 기록, 맞춤형 통합, 특이한 비즈니스 프로세스가 존재한다. 이러한 세부 사항은 깔끔한 시연을 무너뜨릴 수 있다.

시장은 AI 관련 수요와 더 광범위한 보안 지출도 구분해야 한다. 랜섬웨어, 스파이 활동, 클라우드 마이그레이션, 규제 요건, 벤더 통합은 이미 이 부문을 뒷받침하고 있다.

AI 보안으로 분류된 일부 계약은 기존 플랫폼 계약의 연장선일 수 있다. 이는 여전히 매출을 창출할 수 있지만, 뚜렷한 새로운 시장을 입증하지는 않는다.

밸류에이션은 또 다른 불확실성을 만든다. 강한 수요는 이미 수년간의 성공적인 실행을 가정한 주가와 공존할 수 있다.

CrowdStrike는 Falcon을 더 많은 범주로 확장하는 동시에 업데이트 안전성에 대한 신뢰를 계속 회복해야 한다. Palo Alto Networks는 제거하겠다고 약속한 복잡성을 늘리지 않으면서 폭넓은 제품 포트폴리오를 통합해야 한다.

인수는 역량을 빠르게 추가할 수 있지만, 중복되는 인터페이스, 일관성 없는 정책, 분리된 데이터 시스템을 초래할 수도 있다. 인수한 기능의 수보다 통합 품질이 더 중요하다.

Microsoft는 다른 형태의 압박을 가한다. 기업이 이미 사용하는 제품에 보안 통제를 묶어 제공함으로써, 또 하나의 독립형 구매가 주는 매력을 낮출 수 있다.

전문 벤더들은 반대 방향에서 압박을 가한다. 여러 클라우드 및 모델 제공업체에 걸친 독립적 보호를 원하는 구매자를 확보할 수 있다.

이로써 CrowdStrike와 Palo Alto Networks는 번들형 제품군과 집중형 스타트업 사이에 놓이게 된다. 이들의 플랫폼 전략은 번들보다 더 깊은 보호와 전문 기업 모음보다 더 단순한 운영을 제공해야 한다.

신고가 관련 기사가 반복되는 Google 뉴스 검색은 이러한 까다로운 위치를 가릴 수 있다. 시장은 단지 사이버 위협에 대한 노출을 보상하는 것이 아니다.

시장은 이들 기업이 신뢰성을 유지하면서 위협 증가를 지속 가능한 구독으로 전환할 수 있다고 가정하고 있다. 이는 훨씬 더 어려운 기준이다.

회의적인 해석이 AI 보안 수요를 부정할 필요는 없다. 그것은 시급한 문제와 검증된 상업적 승자를 구분할 것을 요구한다.

Black Hat은 그 시급성을 확립했다. 미래 재무 실적과 독립적인 기술적 증거가 승자를 확립해야 한다.

엔터프라이즈 구매자가 AI 방어에 요구해야 할 것

구매자는 자율 방어에 대한 광범위한 주장 대신 권한, 증거, 복구 경로를 통해 AI 보안을 평가해야 한다.

첫 번째 검사는 가시성이다. 보안팀은 조직 전반에서 운영되는 모든 승인된 AI 애플리케이션과 에이전트를 식별할 수 있어야 한다.

해당 인벤토리에는 모델 제공업체, 연결된 데이터, 사용 가능한 도구, 할당된 ID, 소유자가 포함돼야 한다. 알 수 없는 시스템에는 일관된 통제를 적용할 수 없다.

두 번째 검사는 최소 권한이다. 각 에이전트는 정의된 작업에 필요한 접근 권한만 받아야 한다.

회의를 요약하는 어시스턴트에게는 고객 기록을 변경할 권한이 필요하지 않다. 코딩 에이전트도 자동으로 프로덕션 자격 증명을 받아서는 안 된다.

작업이 바뀌면 권한도 만료되거나 조정돼야 한다. 장기간 유지되는 접근 권한은 일시적 자동화를 지속적인 공격 경로로 바꾼다.

세 번째 검사는 신뢰할 수 없는 입력에 관한 것이다. 에이전트는 문서, 웹사이트, 이메일, 티켓 또는 검색된 지식 안에서 악의적인 지시를 마주할 수 있다.

프롬프트 인젝션은 적대적 콘텐츠가 모델을 승인된 작업에서 벗어나게 하려 할 때 발생한다. 그 지시는 사람에게는 일반 텍스트처럼 보일 수 있다.

보안 시스템은 모델이 분석할 수 있는 데이터와 따를 수 있는 지시를 구분해야 한다. 애플리케이션이 여러 출처의 정보를 결합할 때 이 경계는 여전히 어렵다.

네 번째 검사는 행동 통제다. 영향이 큰 변경에는 승인 또는 추가 검증이 필요해야 한다.

데이터 삭제, ID 정책 변경, 서버 격리, 회사 외부로의 정보 전송은 요약 초안 작성보다 더 엄격한 통제를 받아야 한다.

조직에는 에이전트의 접근 권한을 즉시 철회할 방법도 필요하다. 킬 스위치는 팀이 누가 이를 작동할 수 있고 어떤 서비스에 영향을 미치는지 알고 있을 때만 유용하다.

다섯 번째 검사는 추적 가능성이다. 보안팀은 사고를 둘러싼 프롬프트, 도구 호출, ID 결정, 정책 평가, 출력을 보존해야 한다.

이러한 기록은 조사자가 모델이 조작됐는지, 잘못 구성됐는지, 과도한 권한으로 작동했는지를 이해하는 데 도움이 된다.

감사 요건을 충족하는 데에도 도움이 된다. 결정 이력 없는 최종 조치는 시스템이 왜 그렇게 작동했는지에 대한 증거를 거의 제공하지 않는다.

여섯 번째 검사는 복구다. 자동화된 조치는 실용적인 경우 되돌릴 수 있어야 하며, 팀은 사고 전에 복구 절차를 연습해야 한다.

이 교훈은 엔드포인트 및 네트워크 보안에 직접 적용된다. 자동화된 방어는 여러 시스템에서 정상 프로세스를 차단하면 운영을 방해할 수 있다.

구매자는 기존의 조달 관행을 활용해 이러한 역량을 검토할 수 있다. 보안 테스트, 데이터 흐름 검토, 접근 평가, 사고 시뮬레이션은 여전히 유효하다.

AI는 검토 대상의 성격을 바꾸지만, 체계적인 운영의 필요성을 없애지는 않는다. 검색 가능한 지식 베이스는 팀이 런북과 기술적 결정을 보존하는 데에도 도움이 될 수 있다.

그 지식 베이스의 콘텐츠는 보호가 필요하다. 보안 지침, 아키텍처 다이어그램, 사고 이력, 자격 증명은 에이전트에 연결될 경우 가치 있는 표적이 될 수 있다.

지식 근로자도 더 작은 규모에서 같은 경계를 고려해야 한다. 로컬 문서를 검색하는 어시스턴트가 민감한 파일을 관련 없는 서비스로 조용히 전송해서는 안 된다.

개발자는 에이전트가 접근할 수 있는 리포지토리, 터미널, 클라우드 계정, 배포 도구를 점검해야 한다. 설정 시점의 편의성은 나중에 노출로 이어질 수 있다.

제품 리더는 각 자동화 워크플로의 비즈니스 소유자를 정의해야 한다. 어느 부서도 그 행동에 대한 책임을 받아들이지 않을 때 보안팀은 에이전트를 효과적으로 관리할 수 없다.

이러한 요구 사항은 플랫폼 벤더에 기회를 만들지만, 기준도 높인다. 구매자는 CrowdStrike, Palo Alto Networks 및 경쟁업체가 이기종 시스템 전반에서 정책을 집행하기를 기대할 것이다.

자체 제품군 안에서만 작동하는 플랫폼은 불완전한 범위를 제공한다. 대부분의 기업은 여러 클라우드, ID 시스템, 엔드포인트 도구, 모델 제공업체를 사용한다.

따라서 상호운용성은 보안의 일부다. 벤더는 신뢰할 수 있는 통합, 이동 가능한 증거, 사고 데이터를 하나의 콘솔에 가두지 않는 API를 제공해야 한다.

가장 신뢰할 수 있는 AI 방어 체계는 자동화와 의도적인 마찰을 결합할 것이다. 일상적이고 위험이 낮은 업무는 빠르게 처리할 수 있지만, 중대한 조치에는 더 강력한 검증이 적용된다.

이 접근 방식에는 자율 보안 마케팅의 극적인 요소가 없다. 하지만 기업이 운영 및 법적 책임을 관리하는 방식에는 더 잘 부합한다.

Black Hat 이후 주목할 세 가지 신호

다음 시험대는 컨퍼런스에서의 긴박감이 새로운 신뢰성 문제를 일으키지 않으면서 측정 가능한 도입으로 이어지는지 여부다.

첫 번째 신호는 향후 실적 발표에서 보고될 AI 보안 도입 현황이다. 투자자들은 수요에 대한 일반적인 언급을 넘어 살펴봐야 한다.

유의미한 근거로는 AI 보안 제품과 연계된 반복 매출, 고객 확장, 그리고 실제 운영 환경 전반의 배포가 있다. 파일럿 발표는 지속적인 사용보다 비중이 낮다.

Palo Alto Networks는 Prisma AIRS가 초기 구매자를 넘어 확장되고 있다는 더 명확한 근거를 제시해야 한다. CrowdStrike는 Charlotte AI와 Falcon 모듈이 고객 유지율이나 제품 도입을 어떻게 변화시키는지 보여줘야 한다.

이러한 지표가 마진이나 유지율을 약화시키지 않고 상승한다면, 플랫폼 투자 논리는 힘을 얻는다. 공시 내용이 계속 모호하다면, 기록적인 밸류에이션은 기대에 더 크게 의존하게 될 것이다.

두 번째 신호는 자율 대응에 대한 독립적인 검증이다. 컨퍼런스 시연은 복잡한 기업 환경을 포함하는 재현 가능한 테스트로 이어져야 한다.

연구자들은 프롬프트 인젝션, 과도한 권한, 모델 조작, 오탐, 그리고 연결된 도구 전반에서 이뤄지는 조치를 검토해야 한다.

강력한 결과는 에이전트가 상세한 증거를 유지하고 부수적 혼란을 제한하면서 실제 침입을 차단할 수 있음을 보여주는 것이다. 이는 자동화된 방어의 근거를 강화할 것이다.

심각한 실패는 반대 효과를 낳을 것이다. 신뢰할 수 없는 콘텐츠를 통해 우회될 수 있는 에이전트는 방어 통제를 또 다른 공격 경로로 바꿔 놓을 것이다.

독립 테스트에는 현실적인 시간 압박도 필요하다. 한 시간 뒤에 올바른 답에 도달하는 시스템은 29분 만의 브레이크아웃 공격에 대응하는 데 도움이 되지 않을 수 있다.

세 번째 신호는 Microsoft, Google, Cisco, AWS와 AI 보안 전문 벤더들의 대응이다. 이들의 제품 및 패키징 결정이 시장을 형성할 것이다.

Microsoft는 기존 설치 기반을 활용해 더 많은 AI 통제를 엔터프라이즈 계약에 번들로 포함할 수 있다. Google은 모델, 클라우드, 브라우저, 위협 인텔리전스 자산을 연결할 수 있다.

AWS는 많은 AI 애플리케이션을 호스팅하는 인프라에 더 가까운 위치에 보안 통제를 배치할 수 있다. Cisco는 네트워크와 ID 가시성을 에이전트 활동으로 확장할 수 있다.

전문 벤더들은 모델 중립적인 도구로 이들 모두에 도전할 수 있다. 구매자들은 특정 제공업체에 유리하게 작동하지 않으면서 여러 플랫폼을 모니터링하는 독립 계층을 선호할 수 있다.

대형 클라우드 벤더가 충분한 통제를 번들로 제공한다면, CrowdStrike와 Palo Alto Networks는 더 명확한 차별화를 보여줘야 한다. 더 우수한 위협 데이터, 크로스 플랫폼 집행, 더 안전한 자동화가 필수가 된다.

전문 업체들이 상당한 규모의 배포를 확보한다면, 플랫폼 시장은 계속 분산된 상태로 남을 수 있다. 이러한 결과는 소수의 벤더가 AI 보안을 통합할 수 있다는 가정을 약화시킬 것이다.

이러한 신호는 또 다른 단기 주가 최고치보다 더 중요하다. 이는 업계가 신뢰할 수 있는 통제를 만들고 있는지, 아니면 기존 제품의 이름만 바꾸고 있는지를 보여준다.

Black Hat 컨퍼런스는 위협에 대한 설득력 있는 설명을 제공했다. 공격자들은 AI를 사용해 표적을 조사하고, 사람을 조작하며, 코드를 변경하고, 더 빠른 속도로 활동할 수 있다.

방어자들은 같은 기술을 사용해 증거를 연관 분석하고 대응 시간을 단축할 수 있다. 그러나 자동화는 취약한 권한 관리, 부정확한 모델, 중앙집중식 실수의 결과를 더 크게 만든다.

이것이 CrowdStrike와 Palo Alto Networks의 주가 랠리 뒤에 있는 상충 관계다. AI는 보안의 필요성과 보안 시스템 내부의 위험을 모두 확대한다.

Google 뉴스 보도는 계속해서 주가, 위협 보고서, 제품 발표를 다룰 것이다. 기업 독자들은 그러한 헤드라인 아래에 있는 운영상 근거를 추적해야 한다.

새로운 통제가 실제 공격을 식별하는지, 에이전트 권한을 제한하는지, 의사결정 기록을 보존하는지, 실수로부터 안전하게 복구하는지를 물어야 한다. 이러한 시험이 기록적인 밸류에이션이 지속 가능한 가치를 반영하는지 결정한다.

이 분야를 추적하는 팀을 위한 다음 단계는 실무적이다. 비즈니스 데이터에 접근할 수 있는 모든 AI 에이전트를 목록화하고, 책임자를 지정하며, 가장 큰 영향을 미치는 권한을 검토하라.

그다음 그 목록을 위의 세 가지 신호와 비교하라. 벤더들이 측정 가능한 도입, 독립적 검증, 폭넓은 상호운용성을 제공할 수 있다면 현재의 낙관론은 실체를 얻게 된다.

그렇지 못한다면 Black Hat의 가장 분명한 교훈은 여전히 해결되지 않은 채 남을 것이다. AI는 보안 문제를 더 빠르게 만들었지만, 속도만으로 방어가 신뢰할 수 있게 되는 것은 아니다.