신한은행 AI 해킹 주장, 한국 금융 보안의 허점 드러내

신한은행 AI 해킹 주장은 하나의 데이터 유출 사건에서 출발해 한국 금융회사 7곳이 연루된 업계 전반의 경보로 확대됐다. 조사관들은 겹치는 인프라와 유사한 자동화 공격을 확인했지만, AI 에이전트가 모든 침해를 일으켰다고 확인하지는 않았다.

이 구분은 중요하다. 이번 캠페인은 예금, 이체 또는 계좌 잔액을 관리하는 보호 시스템을 뚫지 않았다. 대신 공격자들은 대출 중개인, 은행 직원 및 지원팀이 사용하는 보안이 취약한 인터넷 연결 서비스를 노렸다.

따라서 이 사안은 AI와 사이버보안의 대립보다 더 큰 문제다. 한국 은행들은 핵심 네트워크 보호를 중심으로 방어 체계를 구축했지만, 상대적으로 눈에 띄지 않는 시스템에는 고객 데이터와 취약한 접근 통제가 축적됐다. 공격 자동화는 이처럼 간과된 서비스를 업계의 가장 강력한 방어벽을 우회하는 효율적인 경로로 바꿨다.

신한은행 AI 해킹 사건, 7개 금융사로 확산

조사관들이 은행, 저축은행, 소비자금융사 전반의 유사 공격을 연결하면서 이 사건은 금융권 위기로 번졌다.

신한은행은 대출 신청 진행 상황을 확인하는 서비스에서 무단 접근자가 개인정보에 접근했다고 공개했다. 노출된 정보에는 고객 이름, 전화번호, 연 소득 및 기타 식별 정보가 포함됐다.

한국 국회에 제출된 내용에 따르면 의심스러운 접근은 9월 28일 오후 6시 4분에 시작됐다. 활동은 9월 30일 오전 12시 15분까지 이어져 약 30시간의 공격 창이 형성됐다.

공격자들은 25,727건의 기록을 빼냈다. 신한은행은 9월 29일 해당 활동을 탐지해 인터넷 프로토콜 주소를 차단하고 서비스를 중단했다. 그러나 공격자가 8개국의 인프라를 거쳐 이동하면서 6개 서비스에 대한 시도가 계속된 것으로 전해졌다.

캠페인의 범위는 곧 더 넓어 보이기 시작했다. KB국민은행은 공격자들이 PB와 RM이 사용하는 모바일 지원 시스템 2곳에 도달한 사실을 확인했다. 해당 활동은 9월 27일 늦은 시간부터 9월 29일 저녁까지 42시간 41분 동안 이어졌다.

이 사건으로 직원 20명 관련 정보를 포함한 153건의 기록이 노출됐다. 일부 고객 기록에는 이름과 휴대전화 번호와 함께 암호화된 주민등록번호가 포함됐다.

하나은행은 고객 89명의 개인정보가 관련됐다고 보고했다. 우리은행과 NH농협은행은 연관된 시도를 탐지했지만, 정보가 유출되기 전에 통제로 무단 접근을 차단했다고 밝혔다.

공격은 한국의 최대 시중은행들에만 그치지 않았다. 예가람저축은행은 약 4만 명 고객의 이름, 생년월일 및 연락처 정보가 노출됐다고 보고했다. 현대캐피탈은 대출 중개인 146명과 관련된 유출 정보를 확인했다.

웰컴저축은행과 BNK부산은행도 당국이 침해를 확인한 7개사에 포함됐다. 초기 업계 보고서는 이들 회사가 더 광범위한 캠페인 기간에 고객 정보 유출을 겪었다고 전했다.

새마을금고중앙회는 신한은행 사건과 연관된 주소에서 접근 시도를 탐지했다. 보안 장비가 해당 활동을 차단했으며, 정보는 유출되지 않은 것으로 전해졌다. NH농협과 연결된 상호금융망을 겨냥한 유사 시도도 실패했다.

조사관들은 여러 은행 사건에서 하나의 인터넷 주소 집합이 나타난 사실을 확인했다. 저축은행과 현대캐피탈을 겨냥한 공격에서는 다른 주소 집합이 나타났지만, 방식은 유사해 보였다.

공격자들은 주소도 계속 바꿨다. 이런 행동은 탐지 후 하나의 출처를 차단하는 방식의 효용을 낮췄고, 여러 기관에 걸친 행동 분석의 필요성을 강화했다.

보도 시점까지 당국은 금전적 손실이나 고객 대상 금융 서비스의 장애를 보고하지 않았다. 그러나 노출된 개인정보는 사칭, 표적형 피싱 및 보이스피싱의 기회를 여전히 만들 수 있다.

결과적으로 이는 단일한 대규모 침투가 아니다. 여러 건의 작은 침해가 분산된 형태로 발생하며 한국 금융권 전반의 구조적 문제를 드러낸 사건이다.

공격자들은 핵심 은행 시스템을 우회했다

한국에서 가장 강력하게 보호되는 금융 네트워크는 버텼지만, 보조 시스템은 핵심 시스템에 접근하지 않고도 가치 있는 데이터로 이어지는 경로를 만들었다.

한국 금융기관은 민감한 내부 네트워크를 공용 인터넷과 분리한다. 이러한 네트워크 분리는 외부 공격자가 예금, 대출, 이체 및 잔액을 처리하는 시스템에 직접 도달할 가능성을 낮춘다.

이 모델은 한 가지 중요한 측면에서 작동했다. 조사관들은 이번 캠페인이 핵심 거래 시스템에 도달했다는 징후를 찾지 못했다. 고객들은 모바일 뱅킹을 계속 이용할 수 있었고, 보고된 유출 정보에는 결제를 직접 승인할 수 있는 자격 증명도 포함되지 않았다.

그러나 같은 모델은 위험한 가정을 만들었다. 애플리케이션이 돈을 움직이지 않는다는 이유로, 이름, 식별자, 소득, 연락처 또는 대출 정보를 표시하더라도 보안팀이 이를 덜 중요하게 취급할 수 있었다.

신한은행의 진입 지점은 이런 취약점을 보여준다. 공격자들은 사용자가 신청 진행 상황을 조회할 수 있는 대출 중개 서비스에 집중했다. 이들은 서비스가 유효한 기록을 반환할 때까지 고객 번호를 생성하거나 시험한 것으로 전해졌다.

KB국민은행에서는 노출된 서비스가 일반 고객이 아니라 직원을 지원했다. PB와 RM을 위한 모바일 도구는 핵심 은행 환경 밖에 있었지만, 여전히 개인정보에 접근할 수 있었다.

다른 사건 양상에는 불완전한 기기 제한, 누락된 권한 확인, 알려진 웹 취약점 및 노출된 로그 파일이 포함됐다. 각 취약점은 서로 다른 애플리케이션 계층에 속했지만, 모두 은행의 주요 시스템보다 공용 인터넷에 더 가까이 놓여 있었다.

이러한 시스템은 금융회사의 주 거래 플랫폼 일부는 아니지만 회사를 지원한다는 의미에서 때때로 위성 사이트로 설명된다. 여기에는 중개인 포털, 내부 모바일 페이지, 조회 도구, 마케팅 사이트 및 공급업체가 운영하는 서비스가 포함될 수 있다.

위성 시스템은 온라인 뱅킹보다 적은 자원을 배정받는 경우가 많다. 또한 소유 부서, 계약업체, 출시 일정 및 모니터링 규칙도 서로 다를 수 있다. 이런 차이는 한 기관 내에서 일관되지 않은 인증 체계를 만든다.

공격자는 어떤 내부 팀이 애플리케이션을 소유하는지 신경 쓰지 않는다. 공격자는 유용한 정보를 드러낼 수 있는, 가장 보호가 취약한 서비스를 찾는다.

이번 캠페인은 그 탐색을 산업화한 것으로 보인다. 당국은 공격자들이 모든 피해자를 정교한 수동 조사로 선정하기보다 많은 금융기관을 스캔했다고 보고 있다. 통제가 취약한 기업은 침해됐고, 더 강한 인증을 사용한 기관은 유사한 시도를 차단했다.

복수 기업 조사는 다중 인증이 성공한 침해와 차단된 공격을 가르는 데 도움이 됐다고 밝혔다. 다중 인증은 하나의 비밀번호나 세션을 넘어 추가적인 신원 증명을 요구한다.

이 결과는 멈출 수 없는 AI 해커에 관한 극적인 주장 대신 다른 논점으로 논의를 옮긴다. 기본적인 접근 통제는 여전히 결과에 영향을 미쳤다. 침해 사건은 인증, 권한 부여, 자산 관리 및 취약점 조치의 실패를 드러냈다.

그럼에도 이번 캠페인은 이러한 실패를 악용하는 경제성을 바꿨다. 사람으로 구성된 팀은 잘 알려지지 않은 은행 포털을 제한된 수만큼만 점검할 수 있다. 자동화 도구는 더 많은 서비스를 시험하고, 요청을 지속적으로 반복하며, 인프라를 교체하고, 성공한 순서를 재사용할 수 있도록 보존할 수 있다.

따라서 한국의 핵심 은행 시스템이라는 요새가 무너진 것은 아니다. 공격자들은 그 안으로 들어갈 필요가 없다는 사실을 발견했을 뿐이다.

ARTEX AI 공격은 의심되지만 입증되지는 않았다

증거는 AI 지원 자동화 가능성을 가리키지만, ARTEX AI가 침해를 자율적으로 실행했다는 사실을 아직 입증하지는 못한다.

가장 강력한 공개 단서는 공격과 관련된 것으로 추정되는 인프라에서 나왔다. 보안 연구자들은 최근 사건에 연루된 웹 서버의 HTML 제목에서 “ARTEX”를 관찰했다.

HTML 제목은 브라우저 탭에 표시되는 라벨이다. 이 경우 노출된 제목에는 자율 AI 침투 테스트 콘솔을 설명하는 중국어 문구가 포함된 것으로 전해졌다.

ARTEX AI는 대규모 언어 모델을 기반으로 설계된 오픈소스 시스템이다. 운영자가 정보를 수집하고, 취약점을 식별하며, 공격 경로를 계획하고, 보안 도구를 실행하고, 결과를 검증하도록 도울 수 있다.

이러한 기능은 보안팀이 허가를 받아 공격을 시뮬레이션하는 공인 침투 테스트에 유용하다. 동시에 침입의 반복적 부분을 자동화하려는 범죄자들에게도 유용할 수 있다.

Genians Security Center의 문종현 센터장은 관찰된 제목을 정황 증거로 평가했다. 그의 평가는 ARTEX AI 또는 관련 환경이 해당 인프라에서 작동했을 가능성을 뒷받침한다.

그러나 서버에 보이는 제품명만으로는 도구가 어떻게 사용됐는지 확정할 수 없다. 소프트웨어가 어떤 요청을 생성했는지, 사람이 각 단계를 승인했는지, 또는 동일한 시스템이 모든 피해자에게 접촉했는지를 보여주지 않는다.

ARTEX 인프라 분석은 공격에서 이 도구가 사용됐다는 사실이 확인되지 않았다고 명시했다. 이 한계는 신한은행 AI 해킹 사건을 다루는 모든 설명의 중심에 남아야 한다.

오픈소스 소프트웨어는 지리적 귀속도 어렵게 만든다. 중국어 인터페이스가 운영자가 중국에 있었다는 사실을 입증하지는 않는다. 누구나 공개된 코드를 내려받아 수정하고, 임대한 인프라에 배치하거나, 오해를 유도하는 흔적을 남길 수 있다.

공격자들은 한국, 미국, 일본, 홍콩, 싱가포르, 베트남, 태국 및 영국과 연결된 주소를 사용했다. 이런 분포는 공격자의 신원보다 쉽게 확보할 수 있는 인프라에 대해 더 많은 것을 말해준다.

당국은 사건들 사이의 차이도 관찰했다. 시점이나 기술이 광범위한 캠페인과 유사하더라도, 일부 공격에는 AI가 전혀 개입하지 않았을 수 있다.

그럼에도 운영 행태는 자동화 가설을 뒷받침한다. 공격자들은 여러 기관을 표적으로 삼고, 대량의 요청을 제출하며, 주소를 바꾸고, 개별 출처가 차단된 뒤에도 탐색을 계속했다.

AI 에이전트는 이러한 단계를 조율할 수 있지만, 기존 스크립트도 그중 다수를 수행할 수 있다. 자격 증명 대입, 무작위 식별자 시험, 취약점 스캔 및 주소 교체는 모두 생성형 AI 이전부터 존재했다.

자격 증명 대입은 일반적으로 다른 곳에서 탈취한 사용자 이름과 비밀번호 조합을 시험하는 것을 뜻한다. 일부 보도는 이 용어를 신한은행 사건에 적용했지만, 설명된 행위에는 유효한 고객 식별자를 찾기 위한 무작위 조회도 포함됐다.

이러한 모호성은 “AI 해킹”을 완전한 기술적 설명으로 취급하지 말아야 하는 또 하나의 이유다. 이 표현은 서로 다른 방어책이 필요한 별개의 방법들을 하나로 묶을 수 있다.

탈취된 자격 증명이 한 건의 침해를 유발했다면, 은행은 더 강력한 인증과 재사용 비밀번호 탐지 체계가 필요하다. 예측 가능한 조회 후 애플리케이션이 기록을 노출했다면, 즉각적인 실패 지점은 권한 부여와 속도 제어에 있었다.

ARTEX AI가 알려진 소프트웨어 취약점을 찾아낸 것이라면, 문제에는 패치 지연과 노출된 자산도 포함된다. 인간 운영자가 캠페인 전반에 걸쳐 도구를 지휘했다면, 이 사건은 자율적 공격이 아니라 AI 지원 공격이었다.

관련 결론은 더 좁지만 여전히 심각하다. 추론 모델과 기존 보안 소프트웨어를 결합한 도구는 대규모로 취약한 시스템을 탐색하는 데 필요한 노력을 줄일 수 있다.

자동화가 은행 공격의 비용을 바꿨다

보안 환경의 핵심 변화는 새로운 취약점 범주가 아니라, 여러 표적에서 익숙한 약점을 찾아 악용하는 비용이 낮아졌다는 점이다.

기존 취약점 스캐닝만으로도 공격자는 넓은 주소 범위를 점검할 수 있다. AI 없이도 스크립트로 비밀번호를 시험하고, 엔드포인트를 조회하며, 흔한 소프트웨어 버전을 식별할 수 있다.

에이전트형 시스템은 여기에 한 층을 더한다. AI 에이전트는 결과를 해석하고, 후속 조치를 선택하며, 계획을 조정하고, 제한적인 인간 개입만으로 다른 도구를 호출할 수 있다.

이 능력이 모든 공격을 고도화하는 것은 아니다. 대신 지속성과 범위를 더 저렴하게 만든다.

인간 공격자는 낯선 응답을 마주하면 소규모 대출중개 포털을 포기할 수 있다. 에이전트는 출력을 분석하고, 요청을 수정하며, 관련 엔드포인트를 테스트하고, 어떤 조치가 레코드를 생성했는지 기록할 수 있다.

같은 워크플로는 처음부터 다시 시작하지 않고도 다른 은행으로 옮겨갈 수 있다. 한 기관에 성공한 절차는 다른 곳의 유사 서비스를 식별하는 템플릿이 된다.

이는 공격자들이 기관 유형을 넘나든 것으로 알려진 이유를 설명하는 데 도움이 된다. 시중은행, 저축은행, 상호금융기관, 여신전문금융회사는 하나의 핵심 플랫폼을 공유하지 않는다. 그러나 이들은 고객 또는 직원 데이터를 처리하는 인터넷 공개 서비스를 공유한다.

보안팀은 불리한 업무량 격차에 직면한다. 자동화된 공격자는 지속적으로 탐색할 수 있지만, 방어자는 자산을 목록화하고, 벤더를 조율하며, 로그를 검토하고, 소프트웨어를 패치하면서 금융 서비스 중단도 피해야 한다.

기관이 자신이 노출한 모든 시스템을 파악하지 못하면 이러한 불균형은 더 커진다. 오래된 지원 사이트는 원래 프로젝트가 종료된 뒤에도 접근 가능한 상태로 남을 수 있다. 어느 팀도 권한을 재검토하지 않아 벤더 포털이 과도한 접근 권한을 유지할 수도 있다.

공격자는 잊힌 애플리케이션 하나만 있으면 된다. 방어자는 그 모든 것을 보호해야 한다.

은행 침해 분석에서 인용된 연구자들은 취약한 인증과 대량 조회에 대한 부적절한 모니터링을 강조했다. 구체적인 도구가 알려지지 않은 경우에도 자동화는 행동 증거를 남기기 때문에 이러한 통제는 중요하다.

공개 서비스는 한 클라이언트가 식별자를 순차적으로 바꾼다는 이유만으로 수천 건의 민감한 레코드를 반환해서는 안 된다. 속도 제한은 비정상적인 요청량을 늦출 수 있고, 행동 탐지는 여러 주소에 분산된 패턴을 식별할 수 있다.

모든 레코드 요청에도 권한 부여가 적용돼야 한다. 포털에 로그인했다고 해서 요청 내 숫자를 바꾸는 방식으로 다른 고객의 정보를 조회할 권한이 부여되어서는 안 된다.

은행은 자회사, 벤더, 보조 플랫폼 전반의 이벤트를 연결하는 통제도 필요하다. 대출중개 포털에 대한 대량의 무효 조회는 다른 기관이 같은 순서를 보고하기 전까지 중요하지 않아 보일 수 있다.

이 지점에서 AI는 방어자를 지원할 수 있다. 모델은 신호의 상관관계를 분석하고, 비정상 활동을 요약하며, 노출 자산의 우선순위를 정하고, 취약점 평가를 도울 수 있다.

하지만 방어용 AI는 관련 데이터에 대한 접근에 의존한다. 엄격한 망 분리는 보안 도구가 외부 서비스와 내부 텔레메트리를 함께 분석하지 못하게 할 수 있다.

한국 금융위원회는 침해 사고 이전부터 이러한 긴장을 인식하고 있었다. 5월, AI 및 서비스형 소프트웨어 보안 도구를 사용하는 적격 기관에 대해 망 분리 요건을 완화하는 방안을 제안했다.

사이버보안 정책은 처음에 자산 10조 원 이상, 상시 직원 1,000명 이상인 금융회사 49곳을 대상으로 했다. 승인된 참여자는 전문가 검토 후 1년간 한시적 완화를 받을 수 있었다.

이 정책은 어려운 절충을 낳는다. 더 강력한 방어 도구를 연결하면 위협 탐지를 개선할 수 있지만, 접근 통제가 미흡하면 새 연결마다 공격 표면이 확대될 수 있다.

해답은 무제한 연결이 아니다. 금융회사는 범위를 좁힌 데이터 접근, 강력한 신원 통제, 모니터링되는 서비스 계정, 보안 도구를 실행할 수 있는 모든 AI 시스템 주변의 격리를 필요로 한다.

광범위한 권한을 가진 자율 방어 에이전트는 자체적인 위험을 만들 수 있다. 활동을 잘못 분류하거나, 정상 서비스를 중단시키거나, 민감한 로그를 노출하거나, 의도된 범위를 벗어난 조치를 취할 수 있다.

따라서 AI는 기술뿐 아니라 거버넌스에도 더 큰 압력을 가한다. 기관은 에이전트가 검사할 수 있는 시스템, 인간 승인이 필요한 조치, 모든 의사결정이 기록되는 방식을 정의해야 한다.

이제 금융 보안은 금고 밖의 시스템에 달려 있다

이 침해 사고는 계좌 잔액을 건드리지 않고도 고객을 노출할 수 있는 외부 서비스의 거버넌스를 이사회 차원의 사안으로 만든다.

금융 보안 프로그램은 종종 가장 큰 피해를 초래할 시나리오, 즉 자금 탈취, 결제 조작, 장기적인 거래 처리 손실을 우선시한다. 이 우선순위는 타당하지만, 상대적으로 약한 보호 장치가 적용된 시스템 전반에 개인정보가 분산되는 결과를 낳을 수 있다.

즉각적인 금전 손실이 없었다고 해서 이 캠페인의 심각성을 축소해서는 안 된다. 이름, 전화번호, 소득 정보, 대출 기록, 생년월일, 국가 식별번호는 매우 설득력 있는 사기를 뒷받침할 수 있다.

범죄자는 유출된 은행 정보와 다른 침해 사고에서 얻은 데이터를 결합할 수 있다. 그 결과 피싱 메시지나 음성 통화가 피해자의 재정 상황을 이해하는 은행 직원에게서 온 것처럼 보일 수 있다.

이억원 금융위원장은 유출 정보가 무단 결제에 충분해 보이지는 않는다고 말했다. 다만 범죄자들이 이를 보이스피싱과 다른 사기에 활용할 수 있다고도 경고했다.

이재명 대통령은 10월 4일 철저한 조사와 대응책을 지시했다. 이 지시는 여러 금융기관의 공개와 추가 기관에서의 접근 시도 보도 뒤에 나왔다.

이후 금융위원회와 금융감독원은 피해 기업의 경영진을 소집했다. 규제당국은 금융권에 최고 수준의 경계 태세를 유지하라고 지시했다.

정부 대응에 따르면, 규제당국은 시중은행, 저축은행, 여신전문금융회사 전반에서 발생한 침해를 인지했다. AI 도구 사용 가능성도 배제하지 않았다.

금융감독원은 약 500개 금융회사에 공격자 주소와 보안 지침을 배포했다. 은행과 카드사는 10월 6일까지 긴급 점검을 완료하라는 지시를 받았다.

증권사, 보험사, 저축은행, 전자금융 제공업체에는 10월 8일이라는 기한이 주어졌다. 이 검토에는 공격자 차단, 사고 점검, 노출 자산, 서비스 보안을 다루는 12개 항목의 체크리스트가 활용됐다.

당국은 관찰된 취약점도 세 가지 대응 범주로 나눴다. 조회 서비스는 누락된 신원 확인을 점검해야 했고, 직원 지원 도구에는 더 강력한 기기 통제와 권한 관리가 필요했다.

공개 웹사이트에는 알려진 취약점에 대한 패치와 악성 코드 방어 장치가 필요했다. 신속하게 수정할 수 없는 서비스는 중단 대상이 됐다.

이 조치들은 즉각적인 노출에 대응하지만, 더 어려운 작업은 그 이후에 시작된다. 기관은 모든 보조 서비스가 반드시 필요한지, 어떤 정보를 보유해야 하는지, 벤더가 운영할 때 누가 책임을 계속 지는지 결정해야 한다.

데이터 최소화는 장애의 영향을 줄일 수 있다. 대출 상태 서비스는 해당 정보가 다른 곳에 존재한다는 이유만으로 은행이 보유한 모든 필드를 공개할 필요가 없다.

같은 원칙은 로그에도 적용된다. 애플리케이션이 이름, 식별자, 요청 내용, 응답 데이터를 기록하면 운영 로그는 조용히 고객 데이터베이스가 될 수 있다. 적어도 한 가지 사고 패턴에서 공격자들은 로그 파일로부터 고객 정보를 획득한 것으로 알려졌다.

벤더 감독에도 지속적인 검증이 필요하다. 계약 체결 전 작성한 보안 설문지는 소프트웨어 업데이트 후 인증이 실패했는지 보여줄 수 없다.

금융회사는 계약업체가 운영하는 시스템을 포함해 인터넷에 노출된 자산의 최신 목록을 갖춰야 한다. 각 자산에는 담당자, 데이터 분류, 인증 기준, 폐기일이 있어야 한다.

조직은 하나의 통제가 실패한 뒤 어떤 일이 일어나는지도 시험해야 한다. 누락된 패치가 완전한 데이터세트 노출로 자동 연결되어서는 안 된다. 유효한 세션이 무제한적인 레코드 열거를 허용해서도 안 된다.

이것이 한국 은행 사이버공격이 드러낸 약속과 현실의 진정한 충돌이다. 업계는 핵심 네트워크가 격리돼 있다고 사실대로 말할 수 있었지만, 고객들은 그 주변 시스템을 통해 여전히 취약한 상태였다.

한국이 위험을 억제할 수 있는지 보여줄 세 가지 신호

다음 시험대는 공격자들이 같은 플레이북을 재사용하기 전에 규제당국과 은행이 긴급 점검을 측정 가능한 변화로 전환하는지 여부다.

첫 번째 신호는 ARTEX AI에 대한 기술 조사다. 경찰과 금융당국은 어떤 인프라에서 이 도구가 실행됐는지, 어떤 조치를 수행했는지, 인간 운영자가 어디까지 관여했는지를 규명해야 한다.

확인될 경우 자율 침투 시스템이 통제된 보안 테스트를 넘어 금융기관에 대한 조직적 공격으로 진입했다는 주장이 강화될 것이다. 기존 스크립트가 대부분의 침해를 일으켰다는 결론이 나오면 AI 특유의 주장은 약화될 것이다.

어느 결과든 중요하다. 방어자는 실패한 통제를 결정하기 위해 극적인 명칭이 아니라 정확한 공격 연쇄가 필요하다.

두 번째 신호는 약 500개 금융회사에 걸친 한국의 긴급 점검 결과다. 규제당국은 얼마나 많은 노출 서비스에 신원 확인, 기기 제한, 패치 또는 효과적인 모니터링이 없었는지 공개해야 한다.

추가 발견이 소수에 그친다면, 알려진 피해자들이 유난히 취약한 집단이었다는 뜻일 수 있다. 발견 규모가 크다면, 보고된 7개 회사는 업계 전반의 문제에서 보이는 일부에 불과했음을 뜻한다.

이 검토는 차단된 공격이 성공한 공격보다 많았는지도 밝혀야 한다. 이 비교는 실제 압박 속에서 어떤 통제가 작동했는지 식별할 수 있다.

세 번째 신호는 정부의 망 분리 정책이다. 규제당국은 침해 사실이 공개된 직후인 10월 7일, 완화된 규정이 적용될 또 다른 참여 기관 집단을 선정할 예정이었다.

엄격한 자격 요건 아래 프로그램을 계속 추진한다면, AI 지원 방어가 추가 연결성의 위험을 능가할 수 있다는 자신감을 보여주는 신호가 될 것이다. 지연이나 더 좁은 권한은 이 캠페인이 정부의 위험 계산을 바꿨음을 보여줄 것이다.

이 정책은 AI가 보안에 좋은지 나쁜지를 묻는 국민투표가 되어서는 안 된다. 더 유용한 질문은 기관이 민감한 환경으로 이어지는 통제되지 않은 경로를 만들지 않으면서 방어 도구에 충분한 가시성을 제공할 수 있는지다.

은행은 고객이 평가할 수 있는 개선 사항도 보고해야 한다. 여기에는 다중 인증의 확대, 불필요한 공개 서비스의 제거, 더 빠른 사고 탐지, 노출된 데이터에 관한 더 명확한 고지가 포함된다.

신한은행 AI 해킹 주장은 조사관들이 더 강력한 증거를 공개하기 전까지는 불완전한 상태로 남을 것이다. 이미 분명한 점은 자동화가 한국에서 가장 강하게 방어되는 은행 시스템 바깥에서 가치를 찾아냈다는 것이다.

이 교훈은 한국을 넘어선다. 보호된 핵심 시스템과 방대한 포털, 모바일 도구, 벤더, 레거시 사이트를 함께 보유한 모든 금융기관은 같은 구조적 긴장에 직면한다.

보안 책임자들은 가장 취약한 인증 체계로 가장 민감한 데이터를 보유한 외부 서비스가 어디인지 물어야 한다. 고객들은 구체적인 침해 통지를 주시하고, 예상치 못한 대출이나 신원 관련 연락에는 한층 더 주의해야 한다.

결정적인 대응은 금고 주변에 새로운 벽을 세우는 일이 아니다. 자동화된 공격자들이 기관과 연결된 작은 시스템들을 먼저 파악하기 전에, 그 모든 시스템을 지속적으로 통제하는 일이다.