CrowdStrike, AI가 이제 사이버 공격의 중심이라고 경고

CrowdStrike는 Google News 전반으로 확산되는 한 충돌의 수치를 제시했다. AI를 활용하는 적대 세력의 공격은 2025년 동안 89% 증가했다. 이 회사는 인공지능이 이제 공격을 가속하는 동시에 범죄자들이 노릴 만한 새로운 시스템을 만들어내고 있다고 말한다.

이 조합은 그럴듯한 피싱 이메일에 관한 또 하나의 경고보다 더 중요하다. AI는 정찰, 악성코드 개발, 취약점 악용, 자격 증명 탈취, 침해 이후 활동에 더욱 깊숙이 들어가고 있다. 공격자들은 기업이 이제 신뢰하는 모델, 커넥터, 개발 도구, 클라우드 서비스도 노리고 있다.

따라서 핵심 경쟁은 AI로 무장한 공격자와 기존 안티바이러스 소프트웨어 간의 대결이 아니다. 이는 여전히 사람의 검토, 분절된 가시성, 느린 승인 절차에 제약받는 보안 운영을 상대로 한 머신 지원 공격의 경쟁이다. Google, Microsoft, Anthropic의 연구는 이러한 방향을 뒷받침하지만, 동시에 CrowdStrike의 프레이밍에 중요한 한계가 있음을 보여준다.

CrowdStrike 보고서는 AI를 실험 단계에서 운영 계층으로 끌어올린다

CrowdStrike의 가장 중요한 주장은 AI가 고립된 실험 단계를 넘어 사이버 운영의 일상적인 체계로 들어섰다는 것이다.

이 회사는 2025년과 2026년 상반기에 조사한 사고를 바탕으로 8월 3일 2026 Threat Hunting Report를 발표했다. 조사 결과는 공격자들이 AI를 도구이자 표적, 그리고 힘의 증폭기로 활용하고 있음을 보여준다.

이 보고서는 AI를 활용하는 적대 세력의 활동이 연간 89% 증가했다고 기록한 CrowdStrike의 2월 Global Threat Report 뒤를 이었다. 앞선 보고서는 평균 eCrime 확산 시간을 29분으로 제시하기도 했다.

확산 시간은 공격자의 최초 침입과 다른 시스템으로의 측면 이동 사이의 간격을 측정한다. CrowdStrike는 2025년 평균이 전년보다 속도가 65% 빨라졌음을 의미한다고 말한다. 관측된 가장 빠른 확산은 불과 27초 만에 이뤄졌다.

더 최근의 위협 헌팅 조사 결과는 몇 가지 구체적인 사례를 추가한다. CrowdStrike에 따르면 중국 연계 적대 세력은 공개 개념 증명 코드가 등장한 뒤 24시간 이내에 치명적 취약점을 악용했다. 또 AI 프레임워크 패키지 131개가 오염된 사건을 북한 연계 행위자에게 귀속했다.

또 다른 캠페인에서는 공격자들이 2분 안에 거의 20만 건의 무단 대규모 언어 모델 API 요청을 생성했다. 흔히 LLMjacking이라 불리는 이 방식은 모델 서비스 접근 권한을 탈취하고, 그에 따른 비용을 정당한 고객에게 전가하는 행위를 말한다.

CrowdStrike는 2026년 상반기의 음성 피싱 침입이 2025년 하반기와 비교해 두 배로 늘었다고도 기록했다. 비싱(vishing)으로도 불리는 음성 피싱은 통화와 사칭을 이용해 직원이 접근 권한을 부여하거나 자격 증명을 공개하도록 조종한다.

이 수치들이 AI가 모든 사고를 독립적으로 계획했다는 뜻은 아니다. 공격자들이 익숙한 워크플로에 모델을 끼워 넣고, 그 워크플로를 더 빠르거나 더 큰 규모로 운영할 수 있음을 보여준다.

근본적인 공격 목표는 여전히 익숙하다. 범죄 집단은 계속해서 자격 증명, 암호화폐, 민감한 데이터, 갈취 대금을 노린다. 국가 지원 운영자는 여전히 첩보 활동, 지속성, 전략적 접근을 추구한다.

AI는 이러한 목표를 둘러싼 경제성을 바꾼다. 표적 조사, 맞춤형 자료 제작, 코드 수정, 탈취 정보 처리, 더 많은 피해자를 상대로 한 공격 반복에 필요한 노력을 줄인다.

이 보고서는 노출된 인프라의 범위도 바꾼다. 기업 모델은 더 이상 단순한 생산성 애플리케이션이 아니다. API 자격 증명, 데이터 커넥터, 오케스트레이션 소프트웨어, 개발 종속성 모두 공격 경로가 될 수 있다.

이 이중적 역할은 이 글의 핵심 긴장을 만든다. 기업은 운영 마찰을 줄이기 위해 AI를 추가하는 반면, 공격자들은 같은 환경에서 권한 있는 접근과 허술하게 관리되는 자동화를 찾고 있다.

Google News 헤드라인이 보안 팀에 중요한 이유

Google News의 프레이밍이 중요한 이유는 CrowdStrike가 단지 또 하나의 악성 소프트웨어 범주가 아니라 운영 타이밍 문제를 설명하고 있기 때문이다.

보안 팀은 오랫동안 일련의 절차를 중심으로 방어를 구축해 왔다. 도구가 비정상 활동을 탐지하고, 분석가가 신호를 검토하며, 누군가 사용자나 시스템을 격리할지 결정한다. 각 인계 단계는 시간을 소모한다.

평균 29분의 확산 시간은 이 절차를 압축한다. 27초라는 예외적 사례는 공격자가 다른 자산에 도달하기 전에 사람이 검토할 기회를 사실상 없앤다.

이 압박은 보안 데이터가 엔드포인트, ID 플랫폼, 클라우드 계정, 소프트웨어 서비스, 개발자 시스템에 나뉘어 있는 조직에 가장 크게 가해진다. 한 영역의 경고는 다른 영역의 맥락이 없으면 무해해 보일 수 있다.

공격자들은 이러한 경계에서 이득을 본다. 유효한 계정으로 클라우드 서비스에 로그인하는 행위는 정상 업무와 닮아 보일 수 있다. 개발 도구가 패키지를 내려받는 일도 일상적으로 보일 수 있다. 승인된 커넥터를 호출하는 AI 어시스턴트 역시 기존 통제를 통과할 수 있다.

CrowdStrike는 2025년 탐지 사례의 82%가 악성코드 없는 활동과 관련됐다고 보고했다. 악성코드 없는 공격은 알아보기 쉬운 악성 파일을 배포하는 대신, 합법적인 자격 증명, 신뢰받는 도구, 내장 시스템 기능에 의존한다.

AI는 모델이 공격자들의 환경 해석과 명령 조정을 도울 수 있기 때문에 이 접근을 보완한다. 여러 신호가 결합되기 전까지 그 결과 행동은 일반적인 관리 업무처럼 보일 수 있다.

Microsoft는 AI 위협 활동 분석에서 유사한 변화를 설명한다. 위협 행위자들이 계획, 정찰, 악성코드 개발, 피싱, 침해 이후 운영 전반에 AI를 내장하고 있다고 말한다.

다만 Microsoft는 유용한 단서를 덧붙인다. AI가 공격 수명 주기 전반의 마찰을 줄이더라도, 관측된 캠페인 대부분은 여전히 사람이 지휘한다.

이 구분은 방어 우선순위에 영향을 미친다. 조직은 감독 없이 작동하는 가상의 자율 해커에만 대비해서는 안 된다. 사람 주도로 운영되지만 더 저렴하고 빠르며 확장하기 쉬워지는 캠페인에 대응해야 한다.

강제되는 대응은 미관상의 변화가 아니라 운영상의 변화다. 보안 팀에는 ID, 엔드포인트, 클라우드 워크로드, 소프트웨어 서비스, AI 애플리케이션 전반의 활동을 연계할 수 있는 통제가 필요하다.

또한 높은 신뢰도의 위협을 신속히 차단할 권한도 필요하다. 격리가 여전히 긴 승인 대기열 안에서 기다려야 한다면 자동화된 탐지의 가치는 제한적이다.

압박은 보안 부서를 넘어선다. 개발자는 모델 프레임워크와 패키지를 선택한다. 조달 팀은 AI 공급업체를 승인한다. 직원들은 어시스턴트를 문서, 캘린더, 소스 코드, 고객 시스템에 연결한다.

모든 연결에는 유용한 비즈니스 맥락이 담길 수 있다. 동시에 침해된 계정, 오염된 종속성, 조작된 프롬프트의 영향도 넓힐 수 있다.

따라서 단기 과제는 운영 속도에 맞춘 거버넌스다. 기업은 어떤 모델이 실행 중인지, 어떤 데이터에 접근할 수 있는지, 어떤 행동을 수행할 수 있는지, 접근 권한을 어떻게 회수할 수 있는지 파악해야 한다.

장기적으로 조직은 머신 속도의 조사를 중심으로 사고 대응을 재설계해야 한다. 사람 분석가는 계속 책임을 져야 하지만, 차단이 시작되기 전 모든 도메인 간 이벤트를 수동으로 재구성할 수는 없다.

AI를 활용하는 공격자와 AI 지원 방어자의 대결

핵심 경쟁은 속도와 조율이다. 공격자들은 캠페인 전반의 단계를 자동화하고, 방어자들은 증거 수집과 차단을 자동화하려 한다.

CrowdStrike는 AI를 적대 세력의 힘의 증폭기로 제시한다. 공격자가 새로운 종류의 익스플로잇을 발명하기 위해 반드시 모델을 필요로 하는 것은 아니기 때문에 이 설명은 신빙성이 있다. 여러 일상적 작업을 개선하는 것만으로도 의미 있는 누적 우위를 만들 수 있다.

모델은 표적에 관한 공개 정보를 요약하고, 메시지를 번역하며, 유인책의 변형을 만들고, 낯선 코드를 설명하고, 탈취 데이터를 정리할 수 있다. 또한 과거에는 전문가가 필요했던 작업을 경험이 적은 운영자가 수행하도록 도울 수도 있다.

Anthropic은 2025년 3월부터 2026년 3월 사이 악의적 사이버 활동으로 차단된 계정 832개를 조사했다. 해당 계정 분석은 관측된 행동을 널리 사용되는 공격자 전술 및 기법 목록인 MITRE ATT&CK 프레임워크에 매핑했다.

이 계정 가운데 560개는 악성코드 준비와 관련된 활동에서 AI를 사용했다. 이는 연구 대상 그룹의 67.3%에 해당한다. 또 54개 계정, 즉 6.5%는 침해된 환경 내부의 측면 이동을 돕기 위해 AI를 사용했다.

Anthropic은 AI 사용이 공격의 더 깊은 단계로 이동하고 있음을 발견했다. 침해된 시스템 내부의 계정 탐색은 증가한 반면, AI 지원 피싱과 연관된 비중은 감소했다.

이 회사의 표본은 전체 사이버 공격을 측정한 결과가 아니다. Anthropic이 식별하고 차단했으며, 충분한 세부 정보로 분석할 수 있었던 계정만 포함한다. 그럼에도 침해 이후 작업으로의 이동은 CrowdStrike의 더 큰 방향성을 뒷받침한다.

모델이 작업을 서로 연결할 수 있게 되면 공격자는 추가적인 영향력을 얻는다. 운영자는 단일 스크립트를 요청하는 대신, 도구를 선택하고 결과를 평가하며 다음 단계를 고르는 시스템을 구축할 수 있다.

이러한 오케스트레이션은 개별 프롬프트보다 더 중요하다. AI 모델을 반복 가능한 공격 프로세스 안의 한 구성 요소로 바꾸기 때문이다.

방어자들도 이에 상응하는 이점을 갖고 있다. AI를 활용해 경고를 조사하고, 관련 이벤트를 요약하며, 취약점의 우선순위를 정하고, 쿼리를 생성하고, 차단 조치를 제안할 수 있다. 또한 이러한 방어가 실행되는 기업 환경을 통제한다.

방어자는 과거 ID 행동, 승인된 기기, 클라우드 권한, 예상되는 애플리케이션 관계를 확인할 수 있다. 외부 공격자는 이러한 완전한 맥락에서 시작하는 경우가 드물다.

Google의 Mandiant 팀은 구조화된 AI 검토가 방어자가 코드를 분석하고 익스플로잇 경로를 찾는 데 어떻게 도움이 될 수 있는지 설명했다. 해당 소스 코드 연구는 에이전트 기반 검토 프로세스를 통해 발견된, 할당된 취약점 12개를 보고했다.

그러나 방어적 배포에는 심각한 상충 관계가 있다. 보안 에이전트는 사고를 조사하고 조치를 취하기 위해 광범위한 접근 권한이 필요하다. 이러한 권한은 에이전트 자체와 그 지침, 커넥터를 매력적인 표적으로 만든다.

조직은 단순히 모든 보안 시스템에 모델을 연결하고 타이밍 문제가 해결됐다고 볼 수 없다. 권한을 제한하고, 행동을 기록하며, 출력을 검증하고, 자동화를 중단할 신뢰할 수 있는 방법을 유지해야 한다.

더 잘 조율하는 쪽이 우위를 점할 것이다. 공격자들은 정찰, 접근, 악용, 데이터 탈취를 조율한다. 방어자들은 텔레메트리, ID 통제, 취약점 관리, 대응을 조율해야 한다.

이 경쟁이 공격 측의 승리를 보장하는 것은 아니다. 다만 적대 세력의 워크플로가 자동화하기 쉬워질수록, 분절된 방어 워크플로는 더 많은 비용을 초래한다는 뜻이다.

AI는 공격 표면이 되기도 한다

CrowdStrike 경고에서 가장 날카로운 역전은 업무를 가속하기 위해 도입한 기술이 기업 내부로 이어지는 새로운 경로를 노출할 수 있다는 점이다.

기업들은 흔히 모델 출력의 관점에서 AI 위험을 논의한다. 어시스턴트가 부정확한 답변을 제공하거나, 기밀 정보를 드러내거나, 금지된 콘텐츠를 생성할 수 있는지를 검토한다.

CrowdStrike의 연구는 더 넓은 기술적 공격 표면을 가리킨다. 모델은 API 키, 벡터 데이터베이스, 플러그인, 브라우저 세션, 개발 도구, 타사 커넥터를 포함한 시스템 내부에 자리한다.

이러한 구성 요소는 어시스턴트에 유용한 맥락과 실행 능력을 제공한다. 동시에 자격 증명 탈취, 공급망 침해, 프롬프트 인젝션, 유료 컴퓨팅 리소스 남용의 기회도 만들어낸다.

프롬프트 인젝션은 AI 시스템이 처리하는 콘텐츠 안에 악의적인 지시를 삽입하는 공격이다. 시스템이 해당 지시를 따르면 사용자 의도 밖의 정보를 노출하거나 행동을 촉발할 수 있다.

CrowdStrike는 공격자들이 90곳이 넘는 조직에서 합법적인 생성형 AI 도구에 악성 프롬프트를 주입했다고 밝혔다. 해당 프롬프트는 자격 증명과 암호화폐를 탈취하는 데 사용된 명령을 생성한 것으로 알려졌다.

이 회사는 또한 공격자들이 AI 개발 플랫폼을 악용해 지속성을 확보하고 랜섬웨어를 배포하는 사례를 관찰했다. 다른 사례에서는 악성 서버가 신뢰할 수 있는 AI 서비스를 사칭해 민감한 정보를 가로챘다.

Google Threat Intelligence Group도 AI 위협 트래커에서 비슷한 결론에 도달했다. Google은 공격자들이 오케스트레이션 계층, 래퍼 라이브러리, API 커넥터, 스킬 구성 파일을 점점 더 겨냥하고 있다고 밝혔다.

연구진은 공격자들이 주요 모델의 핵심 보안 로직을 일상적으로 무력화한다는 증거는 보고하지 않았다. 대신 위협 행위자들은 주변 소프트웨어를 대상으로 익숙한 공급망 및 자격 증명 기법을 사용했다.

이러한 발견은 분석이 공상과학으로 흘러가는 것을 막는다. 당장의 위험은 대개 수수께끼 같은 모델 장악이 아니다. 새롭고 고도로 연결된 스택 안에서 나타나는 평범한 보안 실패다.

개발자는 침해된 패키지를 설치할 수 있다. 노출된 토큰은 승인되지 않은 모델 호출을 허용할 수 있다. 커넥터는 직원이 인지하는 것보다 더 넓은 문서 접근 권한을 부여할 수 있다.

공격자는 구성 요소 간 신뢰도 악용할 수 있다. AI 워크플로가 검색해 가져온 웹 콘텐츠를 지시로 취급하면, 조작된 콘텐츠가 이후 행동에 영향을 줄 수 있다.

CrowdStrike가 확인한 131개의 오염된 패키지는 규모의 문제를 보여준다. 모든 기능을 내부에서 다시 구축하는 것은 비현실적이기 때문에 개발자들은 공개 프레임워크에 의존한다. 공격자들은 유용한 패키지를 모방하거나 유지 관리자를 침해해 이러한 의존성을 악용할 수 있다.

AI 시스템은 접근 권한도 집중시킨다. 하나의 어시스턴트가 내부 파일을 검색하고, 회의를 요약하며, 고객 기록을 조회하고, 개발 환경과 상호작용할 수 있다.

이러한 집중은 생산성을 높인다. 그러나 침해된 단일 ID나 워크플로가 과거에는 여러 개의 별도 계정이 있어야 넘을 수 있었던 경계를 넘게 할 수도 있다.

따라서 보안 아키텍처는 모델을 의심 없이 결정을 내리는 주체가 아니라 신뢰할 수 없는 인터프리터로 다뤄야 한다. 모델은 모든 행동을 실행할 영구 권한을 받지 않고도 행동을 권고할 수 있다.

최소 권한 원칙은 여전히 필수적이다. 각 도구에는 당면한 작업에 필요한 데이터와 권한만 부여해야 한다. 영향이 큰 행동에는 독립적인 검증이 필요하다.

조직은 모델, 커넥터, 에이전트, 자격 증명의 인벤토리도 갖춰야 한다. 사업 부서가 등록이나 소유권 지정 없이 배포한 AI 인프라는 보안팀이 모니터링할 수 없다.

CrowdStrike의 경고는 이 수준에서 가장 유용해진다. 지능형 악성코드에 관한 선정적 주장 대신, 엔터프라이즈 AI가 가치 있는 시스템과 만나는 실제 인터페이스에 주목하게 한다.

CrowdStrike의 수치가 입증하지 않는 것

CrowdStrike는 AI가 공격에 내재돼 있다는 강력한 증거를 제시하지만, 그 통계가 속도나 물량의 모든 증가를 AI가 초래했다는 점까지 입증하지는 않는다.

89% 증가 수치는 CrowdStrike가 AI 지원 공격자와 관련 있다고 분류한 활동을 측정한다. 이는 AI를 사용하는 전체 공격의 비율을 나타내는 것도 아니며, 오직 모델에만 귀속되는 피해를 측정하는 것도 아니다.

탐지 방식의 변화도 연간 비교에 영향을 줄 수 있다. 연구자들은 방법론을 개선하고, 조직은 더 많은 텔레메트리를 배포하며, 위협 행위자들은 새로운 신호를 남긴다. 이러한 변화 중 어느 것이든 관측되는 활동을 늘릴 수 있다.

29분이라는 평균 브레이크아웃 시간도 비슷한 주의가 필요하다. 더 빠른 이동은 탈취된 자격 증명, 개선된 원격 도구, 취약한 ID 통제 또는 숙련된 운영자를 반영할 수 있다. AI는 이러한 활동을 가속할 수 있지만 유일한 원인은 아니다.

CrowdStrike는 기계 속도 공격을 탐지하고 차단하도록 설계된 보안 제품을 판매한다. 이 회사의 텔레메트리는 가치 있는 가시성을 제공하지만, 그 해석은 회사의 상업적 입지도 뒷받침한다.

이해관계가 데이터를 무효화하는 것은 아니다. 다만 독립적인 교차 검증이 필수적이라는 뜻이다.

Google은 적대적 워크플로에서 산업 규모의 생성형 AI 사용으로 전환되는 모습을 관찰했다고 밝혔다. 또한 AI 지원으로 개발된 것으로 판단되는 최초의 관찰된 제로데이 익스플로잇도 보고했다.

Microsoft는 위협 활동 전반에 AI가 내장되고 있다고 보면서도 지속적인 인간의 지휘를 강조한다. Anthropic은 832개 계정이라는 선택적 표본을 대상으로 한 조사에서 모델이 공격 체인의 후반부에 사용되고 있음을 발견했다.

이들 출처를 종합하면 더 좁고 방어 가능한 결론을 뒷받침한다. AI는 기존 공격 기법 전반의 마찰을 줄이고 있으며, 일부 행위자는 더 복잡한 작전을 조율하기 시작했다.

그러나 자율 시스템이 이제 사이버 범죄를 지배한다는 점은 입증하지 못한다. 또한 모든 공격자가 같은 이점을 얻는다는 사실도 보여주지 않는다.

모델은 여전히 오류를 낸다. 생성된 코드는 실패할 수 있고, 지어낸 기술적 세부 사항은 시간을 낭비하게 하며, 안전장치는 요청을 차단할 수 있다. 숙련된 운영자는 이러한 실패를 인식하고 수정하는 데 더 유리한 위치에 있다.

자율성에도 인프라가 필요하다. 공격자는 도구, 접근 권한, 메모리, 표적, 의사결정 규칙을 제공해야 한다. 추가되는 구성 요소마다 탐지와 차단의 기회가 생긴다.

방어용 AI 역시 공격자 우위에 대한 예측을 복잡하게 만든다. 적대자에게 도움이 되는 동일한 취약점 분석이 공격이 발생하기 전에 벤더가 소프트웨어를 패치하는 데 도움이 될 수 있다.

Mandiant의 2026년 사고 데이터도 또 다른 주의를 제공한다. 현장 분석 결과는 전 세계 중앙값 체류 시간이 2024년의 11일에서 14일로 늘었다고 제시했다.

체류 시간은 공격자가 탐지되거나 제거되기 전까지 환경 내부에 머무르는 기간을 측정한다. 이는 브레이크아웃 시간과 다르므로 두 지표는 모순되지 않는다.

오히려 공격 속도에는 여러 차원이 있음을 보여준다. 일부 침입자는 거의 즉시 측면 이동을 수행하는 반면, 정교한 그룹은 수개월 동안 은폐 상태를 유지할 수 있다.

빠른 랜섬웨어 공격에만 최적화된 보안 프로그램은 인내심 있는 스파이 활동 캠페인을 놓칠 수 있다. 장기 조사에만 최적화된 프로그램은 빠른 ID 기반 갈취 공격에 실패할 수 있다.

실질적인 대응은 공포에 휩쓸린 구매가 아니다. 조직이 실제로 사용하는 시스템 전반에서 통제가 갑작스러운 이동과 조용한 지속성 모두를 탐지할 수 있는지 검증하는 일이다.

엔터프라이즈는 벤더에게 투명한 측정도 요구해야 한다. 유용한 보고는 관찰 대상 집단을 정의하고, 분류 방법을 설명하며, AI의 관여와 AI의 인과관계를 구분해야 한다.

CrowdStrike의 헤드라인은 방향성 변화를 식별한다는 점에서 가치가 있다. 그 수치는 조사를 이끌어야지, 각 조직의 자체 증거를 대체해서는 안 된다.

AI가 사이버 공격을 영구적으로 바꿨는지 보여줄 세 가지 신호

다음 검증 대상은 관찰된 AI 사용이 공격 단계, 공급망, 실제 엔터프라이즈 사고 전반에서 반복 가능한 형태로 자리 잡는지 여부다.

첫 번째 신호는 침해 이후 자동화가 지속된다는 증거다. 연구자들은 공격자들이 권한 상승, 계정 탐색, 측면 이동, 데이터 수집에 모델을 반복적으로 사용하는지 지켜봐야 한다.

피싱 물량만 늘어난다면 CrowdStrike의 주장에서 가장 약한 형태만 강화할 뿐이다. 접근 권한을 얻은 뒤의 문서화된 오케스트레이션은 AI가 운영 계층이 됐다는 주장을 뒷받침할 것이다.

Anthropic의 연구는 이미 그 방향을 가리킨다. 더 강력한 증거는 여러 제공업체가 관련 없는 캠페인 전반에서 같은 진전을 관찰할 때 나올 것이다.

침해 이후 사용이 드문 상태로 남는다면 CrowdStrike의 중심성 주장은 시기상조로 보일 것이다. AI는 여전히 중요하겠지만, 주로 익숙한 공격을 위한 생산성 도구에 그칠 것이다.

두 번째 신호는 AI 공급망 침해의 빈도와 영향이다. CrowdStrike가 확인한 131개의 오염된 패키지는 기준선일 뿐, 확정된 추세는 아니다.

보안팀은 공개 패키지 레지스트리, 모델 허브, 커넥터 마켓플레이스, 에이전트 구성 저장소를 지켜봐야 한다. 또한 침해된 AI 구성 요소가 더 넓은 비즈니스 시스템 접근을 만들어내는 빈도도 추적해야 한다.

신뢰받는 패키지가 관련된 사고가 더 많아진다면, AI가 공격 도구이자 가치 있는 표적이라는 주장은 강화될 것이다. 하류 영향이 제한적이라면 가장 우려스러운 해석은 약화될 것이다.

세 번째 신호는 방어자가 새로운 실패를 만들지 않으면서 대응 시간을 줄이는지 여부다. 벤더는 AI 기반 조사 및 봉쇄 기능을 계속 추가하겠지만, 채택만으로는 거의 증명되지 않는다.

조직에는 이러한 시스템이 여러 도메인 활동을 상관 분석하고, 검증된 봉쇄 시간을 단축하며, 해로운 자동화 행동을 피한다는 증거가 필요하다. 또한 공격자가 오염된 입력을 통해 동일한 에이전트를 조작할 수 없다는 점도 보여야 한다.

이 측정에는 경보에서 분석가 검토까지의 시간뿐 아니라 첫 신호에서 봉쇄까지의 시간이 포함돼야 한다. 완전 자동화된 행동과 인간이 승인한 대응도 구분해야 한다.

봉쇄 시간이 줄어든다면 방어자들이 공격자와 같은 속도 우위를 흡수하고 있음을 의미한다. 지연이 계속된다면 조직의 프로세스가 여전히 제한 요인임을 보여줄 것이다.

Google News를 통해 이 글을 찾은 독자에게 지속적으로 유효한 메시지는 명확하다. CrowdStrike는 AI 관련 적대자 활동의 의미 있는 증가를 문서화했지만, 이 기술이 사이버 보안의 기본 원칙을 대체하지는 않았다.

자격 증명은 여전히 보호해야 한다. 소프트웨어 의존성은 여전히 검증해야 한다. ID, 클라우드 서비스, 엔드포인트, AI 커넥터는 여전히 조율된 모니터링이 필요하다.

달라진 것은 시간이다. 공격자는 이제 조사하고, 적응하며, 작업의 일부를 더 빠르게 반복할 수 있다. 엔터프라이즈 역시 비정상적으로 광범위한 접근 권한을 가진 시스템에 AI를 연결하고 있다.

보안 리더는 한 가지 즉각적인 질문을 던져야 한다. 조직은 신뢰할 만해 보이는 침입이 다른 도메인으로 넘어가기 전에 이를 식별하고 봉쇄할 수 있는가? 그 답은 AI 군비 경쟁에 관한 어떤 헤드라인보다 더 많은 것을 드러낼 것이다.