한국 은행 AI 사이버공격, 전국적 점검 촉발했지만 AI가 범인이라는 증거는 아직 없어

한국 은행을 겨냥한 AI 사이버공격은 신한은행 고객 약 2만5,000명과 수백 명의 다른 고객 데이터가 유출된 뒤 업계 전반의 보안 점검을 촉발했다. 조사관들은 AI 침투 테스트 도구와 관련된 흔적을 발견했지만, 이 증거만으로 AI가 자율적으로 공격을 수행했다는 사실이 입증되지는 않는다.

이번 사건은 2026년 9월 29일부터 10월 2일 사이 한국의 5대 시중은행 모두에 영향을 미쳤다. 신한은행, KB국민은행, 하나은행, BNK부산은행은 데이터 노출을 보고했다. 우리은행과 NH농협은행은 정보 유출을 확인하지는 못했지만 공격을 탐지했다.

더 중요한 문제는 AI라는 명칭 아래에 자리하고 있다. 공격자들은 은행의 핵심 거래 시스템을 피해 직원, 대출 모집인, 계약업체가 사용하는 보호 수준이 낮은 서비스로 침입한 것으로 보인다. 이 보조 시스템들은 조직의 편의성을 공격 표면으로 바꿔 놓았다.

한국 은행 AI 사이버공격, 보조 시스템 전반으로 확산

이번 공격은 은행들이 가장 엄격하게 보호하는 고객 대면 인프라 바깥에 존재하는 공통 취약점을 드러냈다.

신한은행은 10월 1일 가장 큰 사건을 공개했다. 권한 없는 제3자가 대출 모집인이 신청 진행 상황을 확인하는 데 사용하던 서비스의 인증을 우회했다. 이 사건으로 약 2만5,000명의 고객 개인·신용정보가 노출됐다.

유출된 데이터에는 이름, 전화번호, 연소득, 대출 한도, 그리고 대출 신청 과정에서 제출한 기타 정보가 포함된 것으로 전해졌다. 신한은행은 주요 인터넷 및 모바일 뱅킹 서비스는 영향을 받지 않았다고 밝혔다.

이 구분은 중요하지만, 침해 사고의 심각성을 줄이지는 않는다. 소득과 대출 정보는 표적 사기, 사칭, 피싱, 사회공학 공격에 활용될 수 있다. 공격자들은 장기적인 소비자 위험을 초래하기 위해 예금 계좌에 직접 접근할 필요가 없다.

KB국민은행은 직원용 모바일 업무지원 시스템과 관련된 별도 침입을 보고했다. 이름, 주소, 전화번호, 암호화된 주민등록번호 등을 포함해 고객 119명의 개인·신용정보가 노출됐다.

KB는 9월 30일 밤 비정상적인 외부 접근 징후를 포착했다고 밝혔다. 의심되는 유출을 탐지한 뒤 해당 서버와 접근 경로를 차단했다.

하나은행은 이후 운영지원 시스템에 대한 무단 접근을 공개했다. 이 사고로 이름, 주소, 이메일 주소, 전화번호, 직장명, 주민등록번호 등을 포함한 고객 89명의 정보가 노출됐다.

은행은 관련 서버와 접근 경로를 차단하고 긴급 대응팀을 구성했으며, 영향을 받은 고객에게 통지했다. KB와 하나은행은 고객이 침해 사고와 관련된 손실을 입을 경우 보상하겠다고 약속했다.

BNK부산은행은 10월 1일 오후 9시경 사용된 시스템과 관련된 외부 공격을 탐지했다. 은행은 주요 공격 활동을 차단했지만, 여러 웹페이지를 통해 외주 개발 인력 11명의 정보가 노출된 것으로 전해졌다.

우리은행은 9월 29일부터 10월 1일 사이 공격 시도에 직면했다. NH농협은행도 침입 시도를 탐지했다. 두 기관 모두 이 사건들로 인한 정보 유출은 보고하지 않았다.

공격 캠페인은 곧 5대 시중은행보다 더 광범위한 것으로 나타났다. 당국은 저축은행과 현대캐피탈에서도 관련 활동을 확인했다. 이후 예가람저축은행과 다른 금융회사에서도 유출 보고가 나왔다.

사고 요약에 따르면, 영향을 받은 시스템은 소비자용 인터넷·모바일 뱅킹 플랫폼과 분리돼 있었다. 규제당국이 10월 4일 조사 결과를 발표했을 당시 고객의 금전적 피해는 보고되지 않았다.

그럼에도 침해 사고는 기본적인 보안 가정을 흔들었다. 은행들은 결제 시스템과 소비자 뱅킹 채널 주변에 가장 강력한 통제를 집중해 왔다. 반면 공격자들은 인증이 약하거나 불필요하게 외부에 노출된 직원용 도구를 찾아냈다.

이 시스템들이 중요하지 않았던 것은 아니다. 이들은 직원, 계약업체, 대출 모집인이 일상 업무를 수행하는 데 필요한 개인정보를 처리했다. 보조적 역할이라는 인식이 이들을 가장 엄격한 보안 경계 밖에 두었던 것으로 보인다.

이는 이 글의 핵심 긴장을 만들었다. 대형 은행들은 거래 핵심 시스템을 보호할 수 있었지만, 공격자가 민감한 데이터를 빼낼 수 있을 만큼 충분한 연결 서비스는 노출된 채로 남아 있었다.

보안 등급은 가장 취약한 문을 포괄하지 못했다

이번 캠페인은 규정 준수 결과와 보안 인증이 접근 가능한 모든 서비스를 테스트하는 일을 대신할 수 없는 이유를 보여준다.

신한은행은 한국의 개인신용정보 관리·보호 실태 점검에서 5년 연속 최고 등급을 받았다. 또한 ISMS, ISMS-P, ISO 27001을 포함한 보안 인증을 보유하고 있었다.

이러한 자격은 기관이 문서화된 통제를 갖추고 정해진 평가를 통과했음을 보여준다. 하지만 모든 애플리케이션, 통합 환경, 외부 접근 가능 페이지에 구현 오류가 없다는 사실을 보장하지는 않는다.

침해된 대출 모집인용 서비스는 인증 우회를 허용한 것으로 알려졌다. 이번 침입에서는 신한은행의 전반적인 평가 이력보다 이 결함이 더 큰 영향을 미쳤다.

따라서 이 사건은 약속과 현실의 충돌을 드러낸다. 공식 통제 체계는 성숙한 정보보호를 약속했지만, 보조 조회 서비스는 요청자의 신원을 충분히 확인하지 않은 채 고객 데이터를 반환한 것으로 전해졌다.

KB와 하나은행도 유사한 구조적 문제에 직면했다. 이들의 침해는 주요 소비자 애플리케이션이 아닌 직원 또는 운영지원 시스템과 관련돼 있었다. 이 패턴은 공격자들이 가장 철저히 모니터링되는 진입점 너머를 의도적으로 찾았음을 시사한다.

은행의 확장된 기술 환경에는 직원, 계약업체, 중개인, 공급업체용 포털이 포함된다. 운영 효율성을 위해 구축된 임시 서비스, 레거시 애플리케이션, 통합 환경도 존재한다. 모든 연결 지점은 보호 대상 정보로 이어지는 경로가 될 수 있다.

자금을 이체하지 않는 서비스라고 해서 은행 수준의 통제를 받을 필요가 없는 것은 아니다. 신원, 고용, 소득, 대출 데이터를 반환한다면 침해 시 실질적인 피해를 만들 수 있다.

제3자 접근은 또 다른 위험층을 더한다. 금융기관은 특수 시스템을 개발하거나 유지하기 위해 종종 공급업체와 외주 인력에 의존한다. 다른 조직이 기술의 일부를 운영하더라도 은행은 고객정보에 대한 책임을 진다.

따라서 보안 점검은 기관의 조직도뿐 아니라 데이터를 따라가야 한다. 공급업체가 관리하는 애플리케이션도 동등한 정보를 다루는 내부 관리 서비스와 동일한 인증, 모니터링, 자산 목록화, 패치 관리 원칙이 필요하다.

한양사이버대학교 해킹보안학과 손규식 교수는 인증이 약한 외부 연결 시스템이 자동화된 AI 공격에 노출될 수 있다고 주장했다. 그는 계약 체결 이후에도 공급업체를 지속적으로 점검해야 한다고 촉구했다.

이 견해는 하나의 악성 도구에서 수명주기 관리로 관심을 옮긴다. 도입 당시의 안전한 조달 검토가 서비스를 영구적으로 보호하지는 않는다. 구성은 바뀌고, 잊힌 엔드포인트는 온라인에 남으며, 새롭게 발견되는 공격 기법은 위험을 변화시킨다.

이번 실패는 평가 범위에 대한 의문도 제기한다. 평가자가 거버넌스 문서, 대표 시스템, 확립된 절차를 검토할 때 은행은 좋은 점수를 받을 수 있다. 공격자는 전적으로 간과된 예외에 집중할 수 있다.

신한은행은 이전 점검에서 대출 모집 법인을 검사하고 고위험 공급업체를 우선순위에 뒀던 것으로 전해졌다. 그럼에도 간소화된 조회 기능은 약 2만5,000건의 고객 기록으로 이어지는 경로가 됐다.

이 격차는 은행 이사회와 규제당국이 다른 질문을 던지도록 압박해야 한다. 어떤 서비스가 접근 가능한지, 각 서비스가 어떤 정보를 반환하는지, 어떤 요청이 강력한 인증 없이도 성공할 수 있는지를 파악해야 한다.

또한 방치됐거나 중복된 서비스를 식별해야 한다. 외부 인터넷 노출 자산의 정확한 목록은 기본 요건이다. 방어자는 여전히 접근 가능한지조차 모르는 애플리케이션을 보호할 수 없기 때문이다.

공식 대응은 10월 2일 이 방향으로 움직이기 시작했다. 금융위원회는 외부에 노출된 시스템, 인증 통제, 접근 제한, 불필요한 정보 노출을 즉시 점검하라고 지시했다.

이번 검토는 최고정보보호책임자와 운영 책임자에게 직접적인 압박을 가한다. 이들은 편의성 중심 시스템도 기관의 광범위한 보안 프로그램이 약속한 것과 같은 데이터 보호 기준을 충족함을 입증해야 한다.

ARTEX AI는 단서일 뿐, 최종 귀속 판단은 아니다

AI 보안 도구의 증거는 자동화 이론을 강화하지만, 조사관들은 AI가 캠페인을 정확히 어떻게 통제했는지 아직 확정하지 못했다.

신한은행 공격과 연관된 인프라를 조사한 연구진은 HTML 페이지 제목에서 시사적인 문자열을 발견했다. 중국어 문구는 자율형 AI 침투 테스트 콘솔을 가리켰다.

분석가들은 이 문자열을 취약점 스캔과 공격 경로 계획을 자동화하도록 설계된 오픈소스 시스템 ARTEX AI와 연결했다. ARTEX는 공격·방어 에이전트 역량에 초점을 맞춘 Baidu 주도 대회에서 소개된 것으로 전해졌다.

AI 에이전트는 제한된 인간 개입으로 목표를 향한 여러 단계를 계획하고 실행할 수 있는 소프트웨어다. 사이버보안에서 이러한 시스템은 정찰, 취약점 테스트, 익스플로잇 시도, 피드백을 하나의 워크플로로 연결할 수 있다.

전통적인 스캐닝 도구도 이미 많은 반복 작업을 자동화한다. 에이전트형 시스템은 이전 결과를 바탕으로 행동을 선택하고, 발견 사항을 결합하며, 운영자의 다음 명령을 기다리지 않고 전술을 바꾼다는 점에서 더 나아갈 가능성이 있다.

이 점이 한국 공격 캠페인에서 AI를 관련 있게 만든다. 여러 기관이 외부에 노출된 유사한 유형의 서비스를 상대로 집중 공격을 받았다. 자동화된 탐색과 반복 테스트는 공격자가 많은 표적을 빠르게 조사하는 데 도움이 됐을 것이다.

여러 사건에서 공통 공격자 인터넷 프로토콜 주소도 나타났다. 당국은 신한은행, KB, 하나은행, BNK부산은행, 예가람저축은행, 웰컴저축은행, 현대캐피탈에서 같은 주소가 확인됐다고 밝혔다.

공격자들은 활동을 지속하기 위해 추가 주소를 순환 사용한 것으로 보인다. 신한은행이 국회에 제출한 자료에는 한국, 미국, 일본, 홍콩, 싱가포르, 베트남, 태국, 영국에 위치한 주소가 포함된 것으로 전해졌다.

이 위치만으로 공격자의 국적을 알 수는 없다. 사이버 범죄자들은 실제 위치 밖의 감염된 기기, 클라우드 서비스, 가상사설망, 기타 인프라를 통해 트래픽을 우회하는 경우가 많다.

금융보안원 박상원 원장은 은행 전반에서 관찰된 주소가 저축은행 부문에서 확인된 주소와는 달랐다고 말했다. 다만 공격 방식은 유사하다고 설명했다.

공유된 인프라는 조직적인 캠페인 가능성을 뒷받침한다. 그러나 단일 행위자가 모든 사건을 통제했거나, 그 행위자가 중요한 결정을 AI 모델에 위임했다는 사실을 입증하지는 않는다.

ARTEX 관련 문구에도 비슷한 한계가 있다. 활동과 연결된 서버에 AI 침투 테스트 도구와 연관된 언어가 표시됐다는 점은 보여준다. 그러나 어떤 구성 요소가 실행됐는지, 어떤 명령을 수행했는지, 어느 정도의 인간 지시를 받았는지는 밝히지 못한다.

공격자는 도구의 이름을 바꾸거나, 인터페이스 문자열을 복사하거나, 의도적으로 오해를 부르는 단서를 남길 수도 있다. 웹 서버에 표시된 제목은 유용한 증거이지만, 검증된 실행 로그와 동등하지는 않다.

또 다른 보도는 크리덴셜 스터핑이 역할을 했을 가능성을 제기했다. 크리덴셜 스터핑은 자동화된 로그인 시도를 통해 다른 곳에서 탈취된 사용자 이름과 비밀번호를 또 다른 서비스에 대입해 시험하는 행위를 뜻한다.

이 기법은 생성형 AI보다 수년 앞서 존재했다. AI는 표적 선정, 오케스트레이션 또는 적응 능력을 개선할 수 있지만, 근본적인 방식은 여전히 전통적이다. 취약한 인증은 여전히 결정적인 취약점이 된다.

이 구분은 과장된 결론을 막는다. 이번 침해는 자율 모델이 알려지지 않은 취약점을 독자적으로 발견하고 한국의 은행 시스템을 침해했다는 사실을 증명하지 않는다.

오히려 이는 공격자들이 통제가 약한 공개 애플리케이션을 상대로 자동화를 사용했음을 보여줄 가능성이 더 크다. AI 에이전트가 과정을 가속하고, 경로를 선택하거나, 반복 시도를 관리했을 수는 있다.

침해 보도에 인용된 보안 분석가들은 ARTEX 개입 가능성이 매우 높거나 합리적으로 의심된다고 설명했다. 규제 당국의 조사는 여전히 진행 중이었다.

경찰청 사이버수사대도 신한, KB, 하나, 부산은행의 유출 사건에 대해 예비 조사에 착수했다. 기술적 귀속 판단에는 정황상 도구 흔적 이상의 증거가 필요하므로, 그 결과는 중요할 것이다.

조사관에게는 서버 로그, 캡처된 요청, 악성 페이로드, 타임스탬프, 포렌식 이미지가 필요하다. 자동화된 스캐닝과 실제 성공한 익스플로잇을 구별하고, 구체적인 행위를 영향을 받은 기록과 연결해야 한다.

그 작업이 끝날 때까지 “AI-powered”는 보도된 특성화로 남아야 한다. 이는 증거와 그럴듯한 운영 방식을 설명할 뿐, 누가 행위했는지 또는 시스템이 얼마나 자율적이었는지에 대한 확정된 설명은 아니다.

한국의 방어 전략도 이제 자체적인 트레이드오프에 직면했다

규제 당국은 유용한 방어용 AI를 네트워크 밖에 계속 묶어두는 아키텍처를 유지하지 않으면서도 즉각적인 노출을 줄여야 한다.

금융위원회는 10월 2일 첫 긴급 대응 회의를 열었다. 참석자에는 금융감독원, 금융보안원, 주요 은행, 카드사, 업계 협회가 포함됐다.

위원회는 기업들에 외부에 노출된 정보기술 자산과 서비스를 목록화하도록 지시했다. 또한 취약점, 인증, 접근 제어, 정보 노출, 침입 탐지에 대한 검토를 요구했다.

당국은 영향을 받은 기관에 어떤 정보가 유출됐는지, 소비자가 추가 피해 위험에 놓였는지를 파악하도록 지시했다. 공격 주소, 침입 방법, 시도 기록은 한국인터넷진흥원과 기타 관련 기관에 공유될 예정이었다.

대응은 10월 4일 확대됐다. 이억원 금융위원장은 은행, 보험사, 증권사, 카드 발급사, 저축은행, 상호금융기관, 핀테크 기업을 포함한 금융권 전체를 대상으로 회의를 소집했다.

보도에 따르면 약 500개 금융회사에 주의 공지가 전달됐다. 규제 당국은 점검 결과 제출 기한을 10월 8일까지 단계적으로 배정했다.

가장 즉각적인 조치는 단순했다. 직원 및 브로커 시스템에 대한 외부 접근은 서비스 제공에 필요하지 않은 한 차단해야 한다.

이 조치는 노출된 경로를 신속히 닫을 수 있지만 운영 비용도 수반한다. 은행은 직원, 브로커, 공급업체, 고객이 핵심 네트워크 밖에서 정보를 필요로 했기 때문에 원격 지원 서비스를 만들었다.

업무 흐름을 재설계하지 않은 채 공개 접근을 없애면 대출, 유지보수 또는 고객 지원이 지연될 수 있다. 성급한 제한은 직원들이 비공식적인 우회 방식을 만들도록 부추길 수도 있다.

더 나은 대응은 노출 축소와 더 강력한 신원 통제를 결합하는 것이다. 필요한 외부 서비스에는 다중 인증, 엄격히 정의된 권한, 요청 속도 제어, 지속적인 로깅, 반환 정보 제한이 필요하다.

은행은 비정상적인 조회도 보안 사건으로 취급해야 한다. 시스템은 반복 검색, 비정상적인 접근 위치, 세션 간 이동 불가능한 거리, 사용자의 일반적인 역할 범위를 넘는 요청을 탐지해야 한다.

더 깊은 트레이드오프는 한국의 망분리 정책과 관련된다. 금융기관은 노출을 줄이기 위해 역사적으로 내부 네트워크를 공용 인터넷과 분리해 왔다.

이 아키텍처는 중요한 환경을 보호하지만, 클라우드 기반 보안 도구와 고급 AI 모델의 활용을 복잡하게 만들 수 있다. 방어 시스템에는 최신 외부 위협 인텔리전스와 도달 가능한 애플리케이션을 테스트할 수 있는 충분한 접근 권한이 필요하다.

침해 이전부터 규제 당국은 AI와 서비스형 소프트웨어 보안 제품을 사용하는 적격 기관을 대상으로 망분리 요건 완화를 시작했다. 목표는 방어자가 공격자가 이용할 수 있는 도구에 견줄 만한 도구로 취약점을 테스트할 수 있게 하는 것이었다.

5월 금융위원회는 지정된 규모 및 보안 요건을 충족하는 금융회사를 위한 프로그램을 마련했다. 적격 기관은 승인된 방어용 AI 및 SaaS 사용에 대해 1년간 규제 완화를 받을 수 있었다.

초기 기준은 자산 10조 원 이상, 상시 직원 1,000명 이상인 49개 금융회사를 대상으로 했다. 금융위원회는 금융보안원을 통해 최대 17개 다른 기업에 대한 단계적 심사와 지원을 계획했다.

9월에는 두 번째 테스트 단계에서 대상 자격이 75개사로 확대됐다. 규제 당국은 1단계의 10개사와 비교해 15개 참여사를 선정할 계획이었다.

이 프로그램들은 이제 더 큰 긴급성을 띤다. 한국 은행 AI 사이버공격 사례는 공격용 자동화가 정기적인 수동 검토가 점검할 수 있는 속도보다 빠르게 대외 공개 서비스를 탐색할 수 있음을 시사한다.

AI 방어 정책은 이미 금융기관이 고도화된 위협에 완전히 면역될 수는 없다는 점을 인정했다. 대신 일상적인 사이버 위생, 취약점 테스트, 정보 공유, AI 보조 방어를 강조했다.

10월 사건 이후 금융위원회는 AI 공격에 AI로 대응한다는 원칙을 지지했다. 이 문구가 근본적인 통제를 고치지 않은 채 소프트웨어를 구매하는 구실이 되어서는 안 된다.

자동화된 방어는 신원 확인 없이 민감한 정보를 반환하는 조회 페이지를 보완할 수 없다. 해당 페이지를 찾아내고, 통제를 시험하며, 공격을 탐지하는 데는 도움이 될 수 있지만, 책임과 개선 조치는 여전히 인간의 책임이다.

자율형 방어 에이전트를 민감한 시스템에 연결하는 데에도 위험이 있다. 관리 체계가 부실한 도구는 프로덕션 인프라를 지나치게 공격적으로 스캔하거나, 외부 모델에 데이터를 노출하거나, 잘못된 신호를 바탕으로 서비스에 지장을 주는 조치를 취할 수 있다.

따라서 적격 기관은 AI 보안 에이전트가 접근하고 변경할 수 있는 범위에 엄격한 경계를 설정해야 한다. 고객 서비스를 중단하거나 프로덕션 시스템을 변경할 수 있는 조치에는 인간의 승인이 계속 의무적으로 필요하다.

올바른 트레이드오프는 AI 방어와 전통적 보안 중 하나를 택하는 것이 아니다. 은행에는 자산 인벤토리, 신원 관리, 보안 개발, 공급업체 감독, 사고 대응이라는 확립된 프로그램 안에서의 AI 보조 테스트가 필요하다.

세 가지 신호가 이번 검토가 은행 보안을 바꾸는지 보여줄 것이다

다음 시험대는 규제 당국이 측정 가능한 개선, 신뢰할 수 있는 귀속 판단, 보조 시스템에 대한 상시 감독을 만들어내는지 여부다.

첫 번째 신호는 산업 전반 점검의 결과다. 규제 당국은 기업들에 외부에 노출된 자산을 보고하고 인증, 접근 제어, 불필요한 정보 공개, 침입 탐지를 평가하도록 요청했다.

유의미한 결과라면 취약한 시스템 중 얼마나 많은 수가 중단, 보완 또는 더 강력한 인증 뒤로 이동했는지를 밝혀야 한다. 단순히 검토가 완료됐다는 발표만으로는 남아 있는 위험에 대해 거의 알 수 없다.

이번 검토에서 관련 없는 기관 전반에 동일한 취약점이 발견된다면 구조적 개혁의 필요성은 더 강해질 것이다. 반복되는 인증 실패는 이 사건들이 한 은행의 고립된 실수가 아니라 공통된 설계 문제를 반영했음을 보여줄 것이다.

반대 결과는 그러한 결론을 약화할 것이다. 포렌식 작업이 서로 다른 취약점과 무관한 공격자를 확인한다면, 겉으로 보인 캠페인은 시기와 보도로 인해 한데 묶인 여러 사건일 수 있다.

두 번째 신호는 ARTEX AI에 대한 기술적 설명이다. 조사관은 의심되는 도구가 요청을 생성했는지, 공격 경로를 선택했는지, 애플리케이션을 익스플로잇했는지, 아니면 단지 지원 인프라에 표시됐는지를 규명해야 한다.

여러 표적에 걸친 적응적 행동의 증거는 AI가 공격자의 속도와 규모를 바꿨다는 주장을 뒷받침할 것이다. AI 브랜드 인터페이스를 갖춘 전통적 스크립트 스캐닝은 더 제한적인 해석을 뒷받침할 것이다.

이는 의미론적 논쟁이 아니다. 은행은 통제를 재설계하기 전에 자신들이 어떤 역량에 맞서 방어하고 있는지 이해해야 한다.

자율 에이전트에는 지속적으로 작동하고 기계 속도로 대응하는 방어가 필요하다. 크리덴셜 스터핑 캠페인에는 주로 강력한 인증, 속도 제한, 유출 비밀번호 탐지, 계정 보호가 필요하다.

두 가지는 같은 사건에서 공존할 수 있다. 그러나 보안 예산과 규제 요건은 주목을 끄는 명칭이 아니라 검증된 메커니즘을 반영해야 한다.

경찰 수사는 한 집단이 활동을 통제했는지도 명확히 해야 한다. 공유 인프라와 유사한 방법은 공조를 시사하지만, 어느 쪽도 공동 소유를 증명하지는 않는다.

특정 국가 또는 국가 후원 조직으로의 귀속에는 훨씬 더 강력한 증거가 필요하다. 고려대학교 이상근 교수는 उपलब्ध한 정보가 작전을 특정 국가에 할당할 근거가 되지 않는다고 경고했다.

세 번째 신호는 긴급 검토가 지속적인 거버넌스로 전환되는지 여부다. 보조 시스템은 너무 자주 변하기 때문에 일회성 점검만으로 지속적인 보장을 제공하기 어렵다.

은행은 대외 공개 자산의 최신 인벤토리를 유지하고, 소프트웨어, 권한, 공급업체 또는 데이터 흐름이 변경될 때마다 이를 테스트해야 한다. 또한 폐기된 서비스가 실제로 접근 불가능한지도 검증해야 한다.

규제 당국은 문서와 광범위한 인증 결과에 주로 의존하는 대신 실제 공격 표면을 평가함으로써 이러한 규율을 강화할 수 있다. 통제된 레드팀 훈련은 사소해 보이는 서비스가 가치 있는 정보를 노출하는지 밝혀낼 수 있다.

레드팀은 조직의 방어를 시험하기 위해 공격자 행동을 모방하도록 승인받은 그룹이다. AI는 이러한 팀이 더 많은 서비스를 살펴보는 데 도움이 될 수 있지만, 기관은 발견 사항을 기록하고 취약점을 신속히 해소해야 한다.

공급업체 거버넌스에도 같은 수준의 주의가 필요하다. 계약에는 보안 요건, 통지 의무, 로그 접근 권한, 패치 기한, 규제 대상 정보를 처리하는 시스템을 은행이 점검할 권리를 정의해야 한다.

10월 침해 사건은 규제 당국에 AI 방어 시범사업을 측정 가능한 결과와 연결할 기회도 제공한다. 참여 기관은 자동화 도구가 발견한 취약점, 대응 시간, 오탐, 운영 중단을 보고해야 한다.

이러한 결과는 더 광범위한 망 규칙 변경이 회복탄력성을 높이는지, 새로운 위험을 초래하는지 판단하는 데 활용될 수 있다. 또한 소규모 기관이 모든 실험을 반복하지 않고도 검증된 통제를 도입하도록 도울 수 있다.

소비자는 영향을 받은 은행의 직접 안내를 확인하고, 정확한 대출 또는 고용 정보를 담은 메시지에 각별히 주의해야 한다. 과거에 유출된 정보는 사기 전화와 이메일을 그럴듯하게 보이게 만들 수 있다.

금융권 밖의 조직도 같은 교훈을 받아들여야 한다. 민감한 데이터로 가는 경로는 가장 눈에 띄는 제품이 아니라 지원 포털, 공급업체 연동 또는 내부 편의 도구를 거치는 경우가 많다.

한국 은행을 겨냥한 AI 사이버 공격이 중요한 이유는 오래된 취약점과 잠재적으로 더 빠른 공격자를 결합하기 때문이다. 취약한 인증과 방치된 외부 서비스는 익숙한 문제다. 에이전트형 자동화는 여러 기관에서 이러한 문제를 반복적으로 찾아낼 수 있다.

조사는 ARTEX AI가 정확히 무엇을 했는지 여전히 규명해야 한다. 이 불확실성은 주장의 범위를 좁혀야 할 뿐, 긴급성을 낮춰서는 안 된다.

이제 은행에는 구체적인 행동 과제가 있다. 접근 가능한 모든 서비스를 목록화하고, 그 뒤에 있는 데이터를 매핑하며, 모든 인증 경로를 재검토해야 한다. 향후 3개월의 핵심 질문은 한국의 검토가 공격자들이 같은 문을 다시 시험하기 전에 검증 가능한 변화를 만들어내느냐는 것이다.