John Deere AI 해킹 보도: 한 공격자가 웹사이트 침입을 위임한 방식

John Deere AI 해킹 보도는 100곳이 넘는 기업의 웹사이트를 침해한 것으로 알려진 캠페인과 회사를 연결했다. 공격자는 목표를 향한 단계를 선택하고 실행하는 소프트웨어 시스템인 AI 에이전트에 작업의 상당 부분을 위임했다. Reuters는 공격자 활동을 검토해 Deere, SharkNinja, Cummins를 식별했지만, 각 회사는 서로 다른 범위의 사고를 설명했다.

핵심 긴장은 자동화된 공격 지속성과 분산된 웹사이트, 지원 서비스, 벤더 시스템을 책임지는 방어자 사이에 있다. 공격자는 목표를 지정한 뒤 소프트웨어가 장애물을 넘도록 작업을 맡길 수 있다. 반면 방어자는 여전히 어떤 시스템이 영향을 받았는지, 누가 이를 관리하는지, 실제로 어떤 접근이 이루어졌는지를 확인해야 한다.

이는 증거에 관한 이야기이기도 하다. NorForge는 기반 연구를 제공했고, Reuters는 공격자 기록을 검토했으며, 영향을 받은 기업들은 피해 범위에 대해 더 제한적인 설명을 제시했다. 앞선 학술 연구는 이미 자율형 웹사이트 공격을 다뤘다. 이번 보도는 그 연구를 운영상의 질문에 더 가깝게 끌어온다. 악의적인 운영자가 침입 과정의 끈질긴 작업을 위임하면 어떤 일이 벌어질까?

John Deere AI 해킹 보도가 실제로 확인하는 사실

이 보도는 잘 알려진 기업들을 에이전트 주도 캠페인과 연결하지만, 이들 기업 모두에서 동일한 피해가 발생했다는 점을 입증하지는 않는다.

Reuters는 2026년 10월 19일 조사 보도를 공개했다. 이 웹사이트 침입 조사는 NorForge의 수석 위협 연구원인 Snorre Fagerland의 연구를 바탕으로 했다. 그는 AI 에이전트의 작업을 조정하는 오픈소스 플랫폼 Cairn의 노출된 배포 환경을 관찰했다.

Reuters에 따르면, 관찰된 공격자 가운데 가장 활발했던 한 명은 9월 25일 캠페인을 시작했다. 표적에는 미국, 캐나다, 호주, 일본의 전자상거래 웹사이트가 포함됐다. 보도 마감 시점까지 에이전트들은 1,200개가 넘는 사이트에 진입을 시도했다.

Reuters는 독자적으로 Cairn 활동을 검토해 영향을 받은 기업을 식별했다. NorForge의 공개 연구는 해당 피해자들의 이름을 밝히지 않았다. 기업명과 더 폭넓은 기술적 설명이 관련은 있지만 서로 다른 보도 절차를 통해 나왔다는 점에서 이 구분은 중요하다.

Deere는 Reuters에 시정 조치를 취했으며 민감한 정보에 접근했다는 징후는 없다고 밝혔다. SharkNinja는 이 사고가 독립된 제품 지원 사이트에 영향을 미쳤고 위협을 차단했다고 말했다. Cummins는 제3자 벤더가 운영하는 웹사이트와 관련된 잠재적 공격을 조사 중이라고 밝혔다.

Reuters는 무단 데이터 유출의 범위를 확인하지 못했다.

이들 발언은 대기업이 해킹당했다는 제목이 암시할 수 있는 내용보다 더 구체적인 해석을 뒷받침한다. 이는 트랙터, 가전제품 제어 장치, 엔진 시스템, 제조 네트워크가 침해됐음을 입증하지 않는다. 또한 언급된 기업들 전반에서 고객 기록에 동일한 결과가 발생했다는 점도 보여주지 않는다.

웹사이트 침입은 기업의 핵심 시스템까지 도달하지 않았더라도 심각할 수 있다. 반대로 제한적인 공개 설명만으로 사고에 관한 모든 의문이 해결되는 것도 아니다. 더 상세한 조사 결과가 나올 때까지는 이 두 가지 점을 모두 유지하는 것이 책임 있는 태도다.

따라서 “John Deere AI 해킹”이라는 표현은 Deere의 내부 노출을 완전하게 설명하기보다, 해당 캠페인과의 보도된 연관성을 뜻한다. 독자는 브랜드명을 영향을 받은 모든 시스템의 지도로 받아들이지 않아야 한다.

공격자에 관한 표현에도 비슷한 주의가 필요하다. Reuters는 중국어를 사용하는 운영자라고 설명했다. 언어만으로 국적, 실제 위치, 정부 연계 여부를 확정할 수는 없다. 이는 별도의 귀속 문제이며, 이번 보도는 이를 해결하지 않는다.

변화한 점은 위임된 공격 작업의 가시성이다. 이 이야기는 운영자가 목표를 지정하고 소프트웨어가 장기간의 조사를 처리하는 사례를 방어자에게 제시한다. 최종 피해는 불확실하지만, 실질적 영향은 그 노동 분담에 달려 있다.

압박은 간과된 웹사이트의 소유자에게 가해진다

잘 알려진 브랜드도 제한적인 웹사이트 사고를 겪을 수 있으며, 그럼에도 팀과 벤더 전반에서 까다로운 조정 문제에 직면할 수 있다.

언급된 기업들의 발언은 서로 다른 운영 경계를 가리킨다. SharkNinja는 지원 자산을 언급했다. Cummins는 외부 벤더의 웹사이트를 지목했다. Deere는 시정 조치와 민감 정보 접근 징후가 없었다는 점을 강조했다.

이러한 차이는 분석에서 소유권을 핵심 요소로 만든다. 보안팀은 영향을 받은 페이지에서 로고를 확인하는 것만으로 사고를 평가할 수 없다. 누가 서비스를 운영하는지, 무엇을 저장하는지, 어떤 다른 시스템이 이를 신뢰하는지를 알아야 한다.

지원 웹사이트는 유용한 예시다. 이러한 자산은 별도의 관리자 계정과 호스팅 구성을 사용하면서 공개 문서를 제공할 수 있다. 공개 콘텐츠는 위험이 낮아 보일 수 있지만, 유지 관리에는 여전히 소프트웨어, 자격 증명, 배포 접근 권한이 수반된다.

이 예시는 SharkNinja 환경 내부에서 어떤 일이 있었는지를 확정하지 않는다. 이는 “지원 사이트일 뿐”이라는 표현이 기술적 노출 문제보다 콘텐츠 문제에 더 쉽게 답하는 이유를 설명한다. 조사관은 여전히 영향을 받은 서비스의 경계를 확정해야 한다.

벤더 시나리오는 또 다른 의존성을 만든다. 고객 기업은 조사, 기록, 대응 절차를 직접 통제하지 않는 조직으로부터 정보를 받아야 한다. 이는 초기 경보에서 신뢰할 수 있는 영향 설명으로 이어지는 과정을 복잡하게 만들 수 있다.

공격자 관점에서 조직 경계는 탐색의 기회다. 방어자 관점에서는 같은 경계가 누가 기록을 조사하고, 변경을 승인하며, 접근이 종료됐음을 확인할 수 있는지를 결정한다. 이러한 관점의 차이가 운영상 마찰을 만든다.

자동화된 지속성은 그 마찰의 중요성을 높인다. 소프트웨어가 사람이 다른 작업을 하는 동안에도 조사를 계속할 수 있다면, 관리가 소홀한 자산은 더 매력적인 시간 투자 대상이 된다. 방어자의 자산 목록은 가장 눈에 띄는 애플리케이션을 넘어 정확하게 유지되어야 한다.

이 말이 오래된 모든 웹사이트가 반드시 침해된다는 뜻은 아니다. 다만 인식된 중요성과 실제 노출은 별도로 평가해야 한다는 의미다. 사용량이 적은 서비스라도 공격자가 재활용할 수 있는 접근을 제공한다면 관심을 받을 가치가 있다.

압박은 보안 부서 밖의 사업 책임자에게도 미친다. 마케팅, 지원, 조달, 엔지니어링 부서는 각각 서비스 이력의 일부를 보유할 수 있다. 아무도 이 조각들을 현재 책임자와 연결하지 못하면 대응은 느려진다.

기업 구매자에게 이는 물어볼 가치가 있는 질문의 변화를 뜻한다. 벤더의 보안 설명은 제품을 뒷받침하는 주변 서비스를 포괄해야 한다. 신중하게 보호된 핵심 애플리케이션만으로는 연계된 모든 자산의 상태를 설명할 수 없다.

따라서 이 캠페인은 서비스 소유권과 사고 조정에 즉각적인 압박을 가한다. 장기적으로는 보조 웹사이트를 배경 인프라로 취급하는 습관에 도전한다. 이들의 중요성은 기업 홈페이지에서의 눈에 띄는 정도가 아니라 접근 권한과 연결 관계에 따라 결정된다.

Cairn AI 에이전트는 지속성을 위임된 작업으로 바꾼다

중요한 메커니즘은 시도 자체뿐 아니라, 시도와 시도 사이의 판단도 위임하는 데 있다.

NorForge의 Cairn 조사는 작업자들이 공통 프로젝트 기록을 통해 발견 사항과 제안된 행동을 공유하는 플랫폼을 설명한다. 인간 운영자는 힌트를 추가할 수 있다. 시스템은 축적된 맥락을 이용해 지정된 목표를 향해 계속 나아간다.

NorForge는 악의적인 활동과 연결된 것으로 보이는 노출 패널을 20개 이상 발견했다고 말한다. 또한 노출된 합법적 테스트 작업도 확인했다. 운영자의 의도와 무관하게 동일한 인터페이스가 민감한 고객 정보를 드러낼 수 있다는 점에서 두 번째 관찰은 중요하다.

연구는 가장 활발한 클러스터에서 성공한 작업이 평균적으로 23시간이 조금 안 걸렸다고 설명한다. 관찰된 캠페인 전반의 성공률은 약 10%로 추정하지만, 목표와 표적이 서로 달랐다는 점을 경고한다. 이는 특정 표본에서의 관찰이며 일반적인 성능 보장은 아니다.

NorForge는 또한 주장된 침입을 확인하는 과정에서 식별된 주소에서 공격자가 업로드한 파일 인터페이스를 발견했다고 보고했다. 이는 에이전트가 스스로 성공을 선언한 것보다 해당 사례에 더 강한 증거를 제공한다. 그렇다고 완료된 모든 작업을 독립적으로 검증하는 것은 아니다.

예외적으로 뛰어난 지능을 전제하지 않아도 더 넓은 메커니즘은 이해할 수 있다. 고정 스크립트는 일반적으로 작성자가 미리 지정한 선택지를 따른다. 에이전트는 신뢰도에 차이는 있지만 중간 결과를 활용해 다음 행동 방침을 선택할 수 있다.

이 차이는 인간의 주의가 필요한 지점을 바꾼다. 운영자는 목표를 정의하고 나중에 결과를 검토하며, 필요할 때 개입할 수 있다. 소프트웨어는 그렇지 않았다면 사람이 수행해야 할 대기, 해석, 반복 조정의 일부를 흡수한다.

따라서 실패한 시도가 항상 작업의 종료를 뜻하지는 않는다. 시스템은 학습한 내용을 보존하고 다른 가능성을 계속 조사할 수 있다. 많은 프로젝트가 목표를 달성하지 못하더라도 이 지속성은 악의적인 운영자에게 가치가 있다.

이는 처리량과 역량을 별도로 고려해야 하는 이유이기도 하다. 실패가 잦은 시스템이라도 실패마다 운영자의 관심이 거의 필요 없다면 유용할 수 있다. 관련 비교에는 공격자가 제공해야 하는 감독의 양이 포함된다.

방어자에게 이는 개별 사건과 축적된 활동 사이의 불일치를 만든다. 고립된 실패 요청은 눈에 띄지 않을 수 있다. 그러나 영향을 받은 서비스 전반에서 보면 관련 시도의 연속은 다른 의미를 가질 수 있다.

이는 특정 모니터링 제품이 이번 캠페인에 패배했다는 증거가 아니라 분석적 함의다. 공개 연구는 경쟁 방어 도구와의 통제된 비교를 제공하지 않는다.

Cairn AI 에이전트는 공유 메모리의 익숙한 결과도 보여준다. 저장된 맥락은 민감한 인프라가 될 수 있다. 프로젝트 기록은 작업자 간 조정을 돕지만, 운영자가 접근 가능한 상태로 남겨두면 발견 사항을 노출할 수 있다.

같은 설계 선택은 작업 연속성을 개선하는 동시에 노출을 늘릴 수 있다. 그렇기 때문에 기반 모델을 평가하는 것과 함께 에이전트 플랫폼의 보안도 중요하다. 운영 기록을 담은 공개 접근 가능 인터페이스는 모델의 역량만으로 보호할 수 없다.

이전 연구는 이것이 단순한 챗봇 이야기가 아닌 이유를 설명한다

핵심 비교 대상은 사람에게 조언하는 시스템과 사람이 자리를 비운 뒤에도 계속 행동하는 시스템의 차이다.

학계 연구자들은 이번 캠페인 이전부터 이 구분을 탐구했다. 2024년 2월 처음 제출된 논문 autonomous website hacking은 인간 피드백 없이 언어 모델 에이전트가 수행한 웹사이트 공격을 보고했다. 그 결과는 특정 모델과 실험 조건에 관한 것이다.

이 연구는 현재 공격자를 위한 벤치마크라기보다 역사적 참고 자료로서 중요하다. 모델이 작성한 답변의 품질뿐 아니라 도구 접근 권한과 지속적인 컨텍스트에도 주목해야 하는 이유를 보여줬다.

취약점을 설명하는 챗봇만으로는 여전히 누군가가 실제 작업을 수행해야 한다. 도구에 연결된 에이전트는 추가 조치를 취하고, 결과를 점검하며, 다음 단계를 결정할 수 있다. 이는 유용성과 오용의 결과를 모두 확장한다.

Anthropic은 이후 2025년 11월 AI espionage campaign을 설명했다. 회사는 공격자들이 사이버 작전의 일부를 수행하는 데 에이전트 기능을 사용했다고 밝혔다. 이는 자체 귀속 판단과 증거를 가진 별도 사건에 대한 Anthropic의 설명으로 남아 있다.

이들 출처는 모든 캠페인이 같은 패턴을 따른다는 점을 입증하지는 않지만, 현재 보도에 맥락을 제공한다. 서로 다른 목표, 권한, 도구, 표적 조건은 매우 다른 결과를 낳을 수 있다. 에이전트를 함께 사용한다는 사실만으로 사건들이 서로 대체 가능한 것은 아니다.

모델 생태계 간 비교 역시 신중해야 한다. NorForge는 관찰된 워커 이름을 바탕으로 Claude Code와 DeepSeek의 가능성 있는 구성을 추정했다. 이들 기술을 통제된 방식으로 비교한 것도 아니고, 실행 경로의 모든 구성 요소를 확인한 것도 아니다.

Claude Code는 에이전트 도구이고 DeepSeek은 모델을 개발한다. 도구는 주변 워크플로를 제공할 수 있고, 모델은 의사결정을 제공할 수 있다. 이러한 계층을 결합하면 실제 구성에 대한 검증된 설명보다 라벨의 정보 가치가 낮아진다.

따라서 이 사건을 근거로 제공업체의 순위를 매기는 것은 시기상조다. 공개 기록은 어떤 구성 요소가 결과에 가장 크게 기여했는지 분리해 보여주지 않는다. 다른 구성이 더 나았을지 또는 더 나빴을지도 입증하지 않는다.

경쟁 압력은 더 광범위하다. 점점 더 자율적인 소프트웨어를 제공하는 업체들은 오용 탐지에 관한 질문에 직면하고, 방어 솔루션 업체들은 검증에 관한 질문에 직면한다. 양측 모두 정의된 조건에서 자사 시스템이 실제로 무엇을 했는지 보여줘야 한다.

NIST의 generative AI profile은 이러한 이중 우려를 짚는다. 생성형 AI는 공격 활동의 진입 장벽을 낮출 수 있는 동시에 AI 시스템 자체에 새로운 보안 노출을 만들 수 있다.

이 틀은 여기의 핵심 긴장과 맞닿아 있다. 위임은 운영자의 영향 범위를 넓힐 수 있지만, 이를 가능하게 하는 플랫폼 역시 보호가 필요한 또 하나의 시스템이 된다. 공격 역량과 운영 규율이 반드시 함께 발전하는 것은 아니다.

구매자에게는 자율성에 대한 광범위한 주장보다 증거가 더 유용하다. 중요한 차이는 시스템이 취할 수 있는 조치, 부여받는 권한, 그리고 이후 이용 가능한 기록에 있다.

증거는 자율성 주장에 중요한 한계를 남긴다

성공한 침입 사례가 보고됐다고 해서 완전한 자율성, 광범위한 데이터 탈취, 또는 다른 표적에 대한 재현 가능한 결과가 자동으로 입증되는 것은 아니다.

이용 가능한 보도를 가장 강하게 해석하더라도 경계는 있다. 연구자들은 공격자 측 활동을 관찰했다. Reuters는 기록을 검토하고 기업들의 답변을 확보했다. 이 조합은 심각한 주의를 기울일 근거가 되지만, 영향을 받은 시스템의 증거가 필요한 질문은 남긴다.

공격자 기록은 의도와 보고된 진행 상황을 설명한다. 기업 조사는 해당 환경에서 실제로 무슨 일이 발생했는지 확인할 수 있다. 이 관점들은 겹치지만, 어느 하나도 다른 하나를 대체하지는 않는다.

에이전트의 성공 메시지는 특히 면밀히 검토할 필요가 있다. 시스템은 결과를 정확히 식별했을 수도, 응답을 오해했을 수도, 더 좁은 조건을 충족한 뒤 멈췄을 수도 있다. 검증에는 에이전트 자체의 서술 밖에 있는 무언가와 주장된 결과를 대조하는 과정이 필요하다.

이 구분은 방어용 AI 제품에도 적용된다. 문제를 발견하거나 해결했다고 보고하는 시스템은 해당 조치가 의도한 결과를 냈다는 증거가 필요하다. 자신감 있는 표현은 검증 방법이 아니라 표현상의 특성이다.

자율성의 의미에도 명확한 경계가 필요하다. 인간은 표적을 선택하고, 목표를 제공하며, 인프라를 마련하고, 결과를 어떻게 활용할지 결정한다. 워크플로는 상당한 기술 작업을 자동화하면서도 인간이 지휘하는 작전의 일부로 남을 수 있다.

유용한 질문은 인간의 판단이 어디에서 계속 필요한가이다. 운영자는 침입 중에 개입했는가, 프로젝트 사이에만 개입했는가, 아니면 시스템이 멈춘 뒤에 개입했는가? 답에 따라 작전이 얼마나 넓게 확장될 수 있는지의 한계도 달라진다.

공개된 설명은 보고된 모든 침해에 대한 완전한 개입 기록을 제공하지 않는다. 연구자에 따르면 상당한 작업이 위임됐다는 더 제한적인 결론은 뒷받침한다. 감독에 관한 일반적 주장은 이 증거를 넘어선다.

표본 추출도 또 하나의 한계를 만든다. 노출된 대시보드는 해당 대시보드를 보호하지 못한 운영자들을 보여준다. 이는 모든 악성 행위자, 모든 에이전트 배포, 또는 모든 침입 시도의 대표적 관점을 제공하지 않는다.

그러한 가시성은 여전히 가치가 있을 수 있다. 조사관들은 종종 운영상의 실수에서 배운다. 그러나 캠페인을 유난히 자세히 들여다볼 수 있다고 해서 더 넓은 위협을 완전히 측정한 것으로 오해해서는 안 된다.

보고된 결과 역시 구분해야 한다. 웹사이트 접근, 데이터베이스 접근, 기록 탈취, 서비스 교란은 서로 다른 사건이다. 하나에 대한 증거가 나머지 모두를 입증하지는 않는다.

John Deere AI 해킹 사례에서는 특히 중요한데, 회사가 민감한 정보 접근의 징후가 없다고 설명했기 때문이다. 이 진술은 캠페인에 대한 더 광범위한 침해 주장과 함께 계속 드러나 있어야 한다.

자율 웹사이트 공격에 관한 헤드라인 역시 기존 방어 체계가 작동을 멈췄다는 주장으로 확대해서는 안 된다. 이 연구는 특정하게 관찰된 캠페인을 설명한다. 모든 방어 방식을 시험한 것도 아니며, 모든 표적이 비슷한 수준으로 보호됐음을 입증한 것도 아니다.

신중한 해석은 이 이야기의 중요성을 보존한다. 위임된 지속성은 완전한 자율성이나 보편적 성공을 요구하지 않아도 중요할 수 있기에 우려스럽다. 미해결 질문들은 보고된 활동을 지우기보다 결론의 규모를 결정한다.

John Deere AI 해킹 보도 이후 주시할 점

다음으로 유용한 증거는 사건 범위, 검증된 결과, 그리고 개입이 실제로 워크플로를 중단시키는지를 명확히 할 것이다.

첫 번째 신호는 영향을 받은 기업과 서비스 제공업체의 더 상세한 공개다. 영향을 받은 자산, 획득된 접근 권한, 조사 범위의 한계에 대한 설명을 주시해야 한다. 이러한 세부 사항은 웹사이트 침해와 더 광범위한 조직 노출의 차이를 더 분명하게 할 것이다.

접근이 제한된 범위에 머물렀다는 결과는 헤드라인의 광범위한 해석을 약화할 것이다. 추가로 영향을 받은 시스템이나 확인된 데이터 유출의 증거는 더 넓은 영향에 대한 근거를 강화할 것이다. 어느 쪽이든 현재 상황을 더 잘 이해하는 데 도움이 된다.

가장 유용한 설명은 조사관들이 어떻게 결론에 도달했는지를 밝힐 것이다. “징후 없음”은 의미 있는 발견을 표현할 수 있지만, 그 가치는 이용 가능한 기록에 달려 있다. 독자들은 조사가 무엇을 검토할 수 있었는지 이해할 충분한 맥락이 필요하다.

두 번째 신호는 에이전트 결과에 대한 독립적 검증이다. 후속 연구는 시도된 표적, 주장된 성공, 확인된 침해를 구분해야 한다. 또한 검증된 각 결과에 도달하는 데 필요한 인간의 관여를 식별해야 한다.

워크플로가 거의 개입 없이 반복적으로 성공했다는 증거는 위임된 공격 노동에 관한 논거를 강화할 것이다. 잦은 잘못된 성공 보고나 상당한 수준의 숨겨진 감독은 이를 좁힐 것이다. 두 결과 모두 또 다른 헤드라인 수치보다 더 많은 정보를 제공할 것이다.

이 지점에서 방어 제품의 주장도 동일한 수준의 검토를 받을 만하다. 구매자는 무엇이 탐지됐고, 어떤 조치가 뒤따랐으며, 결과가 확인됐는지를 보여주는 평가를 찾아야 한다. 설득력 있는 시연도 이러한 운영상의 질문을 답하지 않은 채 남길 수 있다.

세 번째 신호는 관찰된 작전이 중단됐다는 문서화된 증거다. 관련 증거에는 패널 폐쇄, 침해된 사이트의 격리, 악용된 서비스에 대한 접근이 중단됐다는 확인이 포함된다. 발표된 조치는 연구자들이 그 효과를 보여줄 수 있을 때 더 많은 정보를 제공한다.

중단 조치가 진행 중인 작업을 막거나 이미 확보된 접근 권한을 제거한다면, 공격자 워크플로의 유의미한 한계를 보여줄 것이다. 작전이 다른 곳에서 재개된다면 해당 계층에서 개입하기 어려움을 부각할 것이다. 어느 결과도 영구적 승리를 입증하지는 않는다.

향후 몇 달 동안에는 불가피한 공격 또는 방어 우위에 대한 약속보다 이러한 신호가 더 큰 주의를 이끌어야 한다. 이 사례는 여러 의존성을 가진 변화하는 워크플로에 관한 것이다. 한 의존성의 변화는 더 광범위한 문제를 해결하지 않고도 결과를 바꿀 수 있다.

개발자와 기업 구매자에게 즉각적으로 중요한 것은 책임성이다. 조직이 어떤 서비스에 의존하는지, 누가 이를 운영하는지, 사고 후 어떤 증거를 이용할 수 있는지 파악해야 한다. 이 질문들은 언급된 기업들의 설명에 남은 불확실성과 직접 연결된다.

소프트웨어가 업무 시스템 전반에서 행동할 권한을 받을 때 지식 노동자 역시 관련 이해관계를 가진다. 작성된 답변과 실행된 행동은 서로 다른 의무를 만든다. 후자는 권한, 행동, 결과에 대한 명확한 기록을 요구한다.

John Deere AI 해킹이나 유사한 캠페인에 관한 다음 주장을 접할 때는 그 근거부터 살펴보라. 어떤 시스템이 영향을 받았는지, 접근은 어떻게 검증됐는지, 인간의 개입은 어디에서 이뤄졌는지 물어야 한다. 기업의 진술과 연구자의 설명 가운데 어느 하나가 사건 전체를 대신하도록 두지 말고 함께 검토하라. 에이전트 제품을 평가할 때는 권한과 완료된 조치에 대해서도 같은 명확성을 요구하라. 보안 제품을 평가할 때는 그 대응이 효과가 있었는지 어떻게 검증하는지 물어야 한다. 이러한 질문은 불안한 헤드라인을 팀이 검토할 수 있는 의사결정으로 바꿔 준다. 이러한 구분을 염두에 두고 조직에서 가장 눈에 띄지 않는 웹 서비스와 공급업체 책임을 점검하라.