Fireworks AI와 연관된 Uber 운전자 데이터 유출
Uber는 서비스 제공업체의 탈취된 자격 증명을 통해 공격자가 개인정보에 접근한 뒤인 2026년 11월 10일부터 운전자들에게 통지를 시작했다. 이번 Uber 운전자 데이터 유출은 구체적인 보안 실패에 초점을 맞춘다. 공격자가 승인된 접근 경로를 이용해 민감한 기록에 도달한 것이다. 이에 따른 책임은 해당 기록을 수집한 회사와 이를 처리하도록 신뢰받은 공급업체 모두에 놓인다.
TechCrunch의 11월 16일자 운전자 유출 업데이트에 따르면, Uber는 공급업체로 Fireworks AI를 지목했으며, 오리건주 신고서에는 149,346명에게 통지했다고 기재돼 있다.
핵심적인 긴장은 유용한 공급업체 접근과, 탈취된 공급업체 자격 증명으로 인해 무단 활동이 정상적인 활동처럼 보일 수 있는 위험 사이에 있다. Fireworks와 관련한 Notion의 별도 공개는 이 문제를 보여주는 또 다른 사례다. 기업 구매자에게 질문은 어떤 AI 모델이 작업을 처리하는가를 넘어선다. 민감한 정보가 어디에 저장되는지, 누가 이를 가져올 수 있는지, 그리고 모니터링이 침입자와 신뢰받는 제공업체를 구분할 수 있는지가 포함된다.
Uber 운전자 데이터 유출은 11월 헤드라인 이전에 시작됐다
11월 공개 내용은 헤드라인이 나온 시점에 새로 발견된 침입이 아니라 10월에 발생한 사건을 설명한다.
Uber의 보안 사고 통지는 공급업체의 경고와 회사가 이후 파악한 내용을 구분한다. 해당 제공업체는 10월 9일 내부 자격 증명이 손상됐다고 Uber에 통지했다. Uber는 제공업체 연결을 끊고 조사에 착수했으며, 10월 13일 개인정보가 접근된 사실을 확인했다고 밝혔다.
이 순서는 통지일, 침입일, 조사 이정표가 서로 다른 질문에 답한다는 점에서 중요하다. 서한은 회사가 조사 결과를 수신자에게 언제 전달했는지 알려준다. 그러나 공격자가 처음 환경에 침입한 시점이나 조사관이 전체 영향을 파악한 시점을 반드시 나타내지는 않는다.
캘리포니아 유출 등록부는 유출일을 10월 7일, 신고일을 11월 10일로 기록한다. 이러한 항목은 접근, 통지, 확인의 이정표가 각각 존재하는 시간대와 부합한다. 이를 하나의 발견일로 합쳐서는 안 된다.
공개 통지 양식에도 한계가 있다. 구체적인 데이터 요소와 모니터링 기간을 위한 항목은 채워지지 않은 상태다. 이러한 공란만으로 모든 수신자의 정보나 지원 기간에 관한 결론을 뒷받침할 수는 없다.
로드아일랜드주 부속 문서에는 영향을 받은 주민이 약 1,873명이라고 명시돼 있다. 이는 전국 합계가 아니라 주 단위 수치다. 마찬가지로 일부 주의 수치를 더한다고 해서, 그 범위와 포괄성이 독립적으로 검증되지 않는 한 완전한 그림이 나오지는 않는다.
11월 16일 보도된 더 큰 통지 규모는 공개된 설명의 범위를 바꾼다. 그러나 근본적인 10월 접근이 발생한 시점을 바꾸지는 않는다. 또한 통지 인원이 모든 Uber 운전자, 모든 면허 문서 또는 모든 관할권에 대한 주장으로 자동 전환돼서도 안 된다.
독자에게 이러한 구분은 확대되는 공개가 새로 발견된 공격의 연속처럼 보이지 않게 한다. 추가 신고는 또 다른 침입을 입증하지 않고도 같은 사건을 명확히 할 수 있다. 반대로 초기 헤드라인이 최종 영향의 영구적인 척도가 될 수도 없다.
이 시간대는 중요한 보도 경계도 설정한다. 증거는 운전자 정보와 연관된 공급업체 자격 증명 손상을 뒷받침한다. 그러나 모든 Uber 시스템이 침해됐거나 모든 운전자의 기록이 공개적으로 이용 가능해졌다는 점을 입증하지는 않는다.
미해결 쟁점은 더 구체적이다. 정상적인 공급업체 관계가 어떻게 민감한 정보를 노출했는지, 그리고 어떤 통제가 그 노출을 제한했어야 하는지다. 이 질문은 더 상세한 주 신고서에서 더욱 분명해진다.
유효한 공급업체 자격 증명으로 모니터링은 침묵했다
Uber의 설명은 예상 밖의 기술 경로를 거치지 않은 채 조직 경계를 넘은 접근 실패를 묘사한다.
회사의 아이오와주 유출 신고서는 면허 이미지와 추출된 이름, 주소, 생년월일, 면허 번호를 명시한다. 해당 정보는 제공업체의 업무를 지원하는 전용 Uber 클라우드 환경에 있었다고 설명한다.
Uber는 이 환경에 보안 감독과 경보 기능이 적용돼 있었다고 밝혔다. 그러나 유효한 제공업체 자격 증명과 허용된 데이터 흐름으로 인해 해당 접근은 경보를 발생시키지 않았다. 신고서에 따르면 이 자격 증명은 다른 Uber 시스템으로 이어지지 않았다. Uber는 관련 접근 자격 증명을 삭제하거나 교체했다고 보고했다.
자격 증명은 시스템이 권한의 증거로 받아들이는 디지털 식별자 또는 비밀 정보다. 공격자가 유효한 자격 증명을 보유하면 접근 요청은 일반적인 권한 검사를 통과할 수 있다. 시스템은 계정을 인식할 수 있지만, 그 계정을 통제하는 사람까지 인식하지는 못한다.
이는 인증과 의도 사이에 까다로운 구분을 만든다. 인증은 요청이 허용된 신원 증명을 지니고 있음을 확립한다. 그러나 그 요청이 해당 신원에 처음 승인된 업무 목적을 수행한다는 점까지 확립하지는 않는다.
신고서는 Uber에 모니터링이 전혀 없었다고 보여주지 않는다. 오히려 이 활동을 표시하지 못한 모니터링을 설명한다. 이처럼 더 좁은 판단이 중요한 이유는, 외견상 정상적인 접근이 왜 감시를 벗어났는지 이해하는 데 시정 작업이 달려 있기 때문이다.
시스템은 설정된 권한을 적용하면서도 기업이 의도한 것보다 더 많은 정보를 노출할 수 있다. 과도한 권한, 불충분한 행위 검증 또는 다른 취약점이 원인이었는지는 추가 증거가 필요하다. 공개된 설명은 이 기술적 질문에 결론을 내리지 않는다.
기업 보안팀에게 이 사건은 전용 환경과 활성화된 경보가 반드시 의미 있는 분리를 제공한다는 익숙한 가정에 도전한다. 이러한 통제는 여전히 유용하지만, 그 명칭만으로 실제로 어떤 행위를 차단하거나 탐지하는지는 거의 알 수 없다.
전용 환경은 손상된 자격 증명의 도달 범위를 제한하면서도 매우 민감한 기록을 포함할 수 있다. 마찬가지로 경보는 일부 의심스러운 행위를 포착하면서도 확립된 경로를 통한 활동은 놓칠 수 있다. 어느 보호 조치든 평가하려면 그 실질적 경계를 살펴봐야 한다.
분석상 함의는 공급업체 접근을 지속적인 역량으로 면밀히 검토해야 한다는 것이다. 조달 승인은 관계를 성립시킨다. 그러나 이후 공급업체 자격 증명의 모든 사용이 적절하다는 점까지 보장하지는 않는다.
이 때문에 이 사건은 해당 서비스가 AI를 사용했는지 여부로 축소될 수 없다. 설명된 접근 문제는 권한, 저장된 정보, 그리고 조직 간 신뢰에 관한 것이다. AI 인프라는 사업적 맥락을 제공하지만, 문서화된 실패는 기존의 접근 통제와 관련된다.
Uber가 설명해야 할 핵심은 제공업체가 왜 영향을 받은 정보를 필요로 했는지, 그리고 그 접근이 어떻게 제한됐는지다. Fireworks의 핵심은 신뢰받은 자격 증명을 어떻게 보호했는지에 있다. 같은 노출을 이해하려면 두 설명 모두 필요하다.
운전자 기록은 AI 아웃소싱의 위험도를 높인다
민감한 신원 기록은 공급업체를 선택하지 않은 사람들에게도 공급업체 보안의 영향을 미치게 한다.
운전자는 Uber 서비스에 참여하기 위해 정보를 제공한다. 그 운전자는 일반적으로 Uber와 기술 제공업체를 연결하는 보안 아키텍처를 협상하지 않는다. 그러나 그 관계 안에서 발생한 침해는 여전히 운전자의 개인정보에 영향을 줄 수 있다.
따라서 제공업체를 선택하는 회사와 노출 위험을 부담하는 개인은 서로 다른 위치에 있다. 회사는 운영상 이점과 계약상 약속을 평가한다. 개인은 통지서를 해석하고 사건이 자신의 기록에 무엇을 의미하는지 판단해야 한다.
이러한 불균형은 접근 목적을 특히 중요하게 만든다. 여기에서 검토한 공개 증거는 이 특정 업무 흐름에 면허 정보가 왜 필요했는지 확립하지 않는다. 해당 문서를 학습 자료로 묘사하거나 검증되지 않은 다른 용도를 부여하는 것은 추측에 불과하다.
더 좁고 유용한 질문은 다음과 같다. 식별 가능한 정보에 대한 접근 권한을 제공업체에 부여한 정당한 업무는 무엇이었는가? 명확한 답변이 있다면 고객은 그 접근이 목적에 부합했는지 평가할 수 있다. 그렇지 않다면 독자는 모델 학습에 관한 가정으로 그 공백을 메우지 말아야 한다.
면허 이미지와 추출된 텍스트는 서로 다른 형태의 민감한 정보를 나타낸다. 이미지는 원본 문서의 외형을 보존한다. 추출된 텍스트는 선택된 필드를 소프트웨어가 처리, 검색하거나 시스템 간 이동하기 더 쉽게 만든다.
이 구분은 이후 오용의 증거가 없더라도 아키텍처 문제를 만든다. 업무 흐름은 그 밖에는 정당한 작업을 완료하면서도 추가로 접근 가능한 정보 형태를 생성할 수 있다. 보관되는 각 형태는 별도의 접근 및 삭제 결정을 필요로 한다.
동일한 논리는 직원 문서, 고객 서신 또는 내부 연구와 관련된 기업 AI 프로젝트에도 적용된다. 기록을 처리하는 것과 재사용 가능한 사본을 보관하는 것은 별개의 결정이다. 유용한 애플리케이션이라고 해서 모든 후속 사본이나 모든 지속적 권한이 자동으로 정당화되는 것은 아니다.
구매자에게 이는 공급업체 실사의 실질적 의미를 바꾼다. 애플리케이션의 눈에 보이는 기능에만 초점을 맞춘 보안 검토는 그 기능을 뒷받침하는 정보를 놓친다. 평가는 저장, 처리, 관리, 삭제 전반에서 기록을 따라가야 한다.
이는 기업이 사고를 설명하는 방식도 바꾼다. 공급업체가 관여했다고 말하는 것은 기술적 연결 고리의 일부를 식별할 뿐이다. 정보를 수집한 기업이 그 연결 고리 안에서 노출을 최소화하기 위해 무엇을 했는지에 답하지는 않는다.
침해 통지는 필연적으로 간결하지만, 그 범위가 책임성의 한계가 되어서는 안 된다. 고객은 무엇이 달라졌는지, 무엇이 계속 노출돼 있는지, 어떤 보호 조치가 이제 달라졌는지를 이해할 충분한 세부 정보를 필요로 한다. 일반적인 보장으로는 이러한 구분을 대체할 수 없다.
따라서 Uber의 당면 과제는 운영과 설명 양쪽에 걸쳐 있다. 신뢰를 회복하려면 접근과 차단에 관한 일관된 설명이 필요하다. 대중은 그 설명이 문서화된 실패를 다루는지 평가하기 위해 개인 기록이나 민감한 기술 비밀을 알 필요는 없다.
저장된 데이터는 제로 보존 주장에 복잡성을 더한다
보존 약속은 독자가 그것이 실제로 어떤 서비스, 기록 및 지원 시스템을 포괄하는지 이해할 때만 도움이 된다.
Fireworks의 11월 9일 보안 사고 업데이트는 처음 식별된 비밀 정보 외에 조사 결과를 확대했다. 회사는 일부 계정의 계정 및 청구 정보 노출과 함께 비밀 정보, 데이터세트, 불완전한 모델이 노출됐다고 설명했다. 또한 클라우드 제공업체를 통한 10월의 추가 활동도 보고했다.
Fireworks는 조사 결과가 잠정적이라는 단서를 달면서도, 기본 제로 데이터 보존 서비스에는 영향이 감지되지 않았다고 밝혔다. 제로 데이터 보존은 정의된 범위 내에서 서비스가 처리 후 적용 대상 고객 데이터를 보관하지 않는다는 의미다.
회사는 자격 증명 제한, 네트워크 격리, 저장소 통제, 강화된 로깅을 시행했다고 밝혔다. 조사 기간 동안 일부 셀프서비스 데이터세트 전송도 비활성화했다. 이는 모든 노출 문제가 해결됐다는 독립적 확인이 아니라, 회사가 설명한 대응 조치다.
핵심적인 구분은 정보를 보관하지 않고 처리하는 서비스와 정보를 의도적으로 저장하는 워크플로 간의 차이다. 제공업체는 두 가지를 모두 운영할 수 있다. 한 서비스에 관한 설명이 조직 내 모든 애플리케이션, 데이터세트 또는 관리 시스템을 자동으로 설명하는 것은 아니다.
이 내용은 Fireworks가 Uber에 대한 특정 보존 약속을 위반했다는 사실을 입증하지는 않는다. 여기서 검토한 공개 자료는 해당 관계의 계약상 또는 기술적 범위를 확정하지 못한다. 영향을 받은 모든 기록을 보존 약속 위반의 증거로 간주하는 것은 증거 범위를 넘어서는 일이다.
하지만 이는 구매 측면의 문제를 드러낸다. 구매자는 상세한 아키텍처를 보기 전에 짧은 보안 주장을 접하는 경우가 많다. 주장이 짧을수록, 그 주장이 전혀 다루지 않은 시스템에 적용하기는 더 쉬워진다.
의미 있는 평가는 약속을 특정 정보 흐름과 연결해야 한다. 어떤 기록이 서비스에 들어가는가? 어떤 사본이 다른 곳에 남아 있는가? 어떤 계정이 이를 조회할 수 있는가? 이는 모델 응답 자체가 보존되는지와는 다른 질문이다.
AI 인프라 옵션을 비교할 때 이 구분은 중요하다. 관리형 제공업체, 전용 배포, 내부 운영 시스템은 책임의 위치를 서로 다르게 설정한다. 어느 방식도 권한 있는 접근을 통제하거나 저장된 사본을 고려해야 할 필요성을 자동으로 없애지는 않는다.
내부 운영은 기업에 더 직접적인 통제권을 줄 수 있지만, 자체 유지보수 의무도 늘린다. 관리형 서비스는 운영 업무를 줄일 수 있지만 또 다른 조직적 경계를 만든다. 관련된 상충관계는 누가 정보에 접근할 수 있으며 누가 그 제한을 검증할 수 있는지에 관한 것이다.
모델 성능 비교는 이러한 상충관계를 해결하지 못한다. 더 빠르거나 정확한 모델도 부적절한 정보 워크플로 안에 놓일 수 있다. 반대로, 신중하게 제한된 워크플로도 제공업체에 다른 보안 약점이 없다는 점을 입증할 수는 없다.
구매자에게 이번 사건은 서비스 평가를 워크플로 수준에서 해야 한다는 근거를 강화한다. 노출이 특정 저장 환경, 자격 증명 또는 지원 기능에 달려 있을 때 광범위한 제공업체 라벨은 거의 도움이 되지 않는다.
회의적인 해석도 정확성을 유지해야 한다. Fireworks의 조사 결과는 영향을 받은 시스템에 대한 우려를 뒷받침할 수 있지만, 다른 서비스는 탐지된 영향 범위 밖에 남을 수 있다. 이 구분을 존중하면 기록보다 더 광범위한 비난 대신 증거에 주의를 집중하게 하므로 검증의 질이 높아진다.
Notion은 동일한 공급업체 위험이 업무 앱까지 미치는 방식을 보여준다
공유 인프라 제공업체는 매우 다른 사용자를 대상으로 하는 제품 전반의 사건을 연결할 수 있다.
Notion의 AI 사고 권고문에 따르면 영향을 받은 워크스페이스는 1% 미만이다. Notion은 Insights 기능과 연관된 채팅 기록을 식별했다. Notion은 Fireworks 연결을 해제하고, 조사 기간 동안 Insights를 비활성화했으며, 해당 제공업체를 통한 오픈 웨이트 모델 제공을 중단했다고 밝혔다.
Notion은 노출된 Notion 액세스 키를 폐기하고, 영향을 받은 메시지에서 발견된 자사 키에 대해 다른 공급업체에 알렸다고도 보고했다. 액세스 키는 애플리케이션이 서비스를 사용하도록 허용하는 소프트웨어 자격 증명이다. 대화 안에 이러한 키가 존재하면 대화 자체의 공개를 넘어서는 결과를 초래할 수 있다.
이러한 세부 내용은 비교 자료이지, Uber와 Notion이 동일한 워크플로를 사용했다는 증거는 아니다. 운전자 신원 기록과 업무용 채팅 기록은 서로 다른 노출 문제를 제기한다. 이들은 구분 없는 하나의 데이터세트로 합쳐져서는 안 된다.
공통 요소는 애플리케이션과 이를 뒷받침하는 인프라 간의 관계다. 사용자는 Uber 또는 Notion과 상호작용한다. 이러한 인터페이스 뒤에서 작업을 수행하는 인프라는 정보나 접근 권한을 보호해야 하는 또 다른 지점을 만들 수 있다.
Notion의 대응은 공급업체 교체가 단순한 모델명 변경이 아니라 운영상의 결정인 이유도 보여준다. 기업은 기능을 비활성화하거나, 워크플로를 중단하거나, 보존된 정보를 조사해야 할 수 있다. 분리 비용은 제공업체가 제품에 얼마나 깊이 관여하는지에 따라 달라진다.
이는 자체 의존도를 평가하는 엔터프라이즈 구매자에게 유용한 참고점이다. 제공업체 관계에는 사고로 인해 분리가 시급해지기 전에 탈출 경로가 마련돼 있어야 한다. 다른 모델 공급업체가 존재한다고 해서 특정 워크플로를 안전하게 또는 즉시 이전할 수 있다는 뜻은 아니다.
식별 라벨을 제거하는 것과 민감한 콘텐츠를 제거하는 것 사이에도 차이가 있다. 계정 이름이 연결되지 않은 기록이라도 작성자가 입력한 정보를 포함할 수 있다. 그 중요성은 주변 라벨뿐 아니라 텍스트 자체에 달려 있다.
이는 분석상의 우려이지, 영향을 받은 모든 Notion 대화에 식별 가능한 정보가 포함됐다는 주장은 아니다. 권고문의 범위는 그대로 유지돼야 한다. 워크스페이스의 제한된 비율은 보편적 노출을 입증하지 않으며, 출처가 표시되지 않은 기록이 무해한 콘텐츠를 입증하지도 않는다.
지식 근로자에게 이 비교는 데이터 경계를 더 구체적으로 만든다. 개인 지식 베이스에 관한 질문에는 누가 그 내용을 처리할 수 있는지와 지원 사본이 어디에 남는지도 포함돼야 한다.
이 고려 사항은 제품 범주와 공급업체 전반에 적용된다. 비공개 문서는 발췌문, 요약 또는 평가 예시가 된 뒤에도 민감할 수 있다. 눈에 보이는 인터페이스는 정보가 그 과정에서 취하는 모든 기술적 형태를 좀처럼 설명하지 않는다.
따라서 Uber 운전자 데이터 유출은 운송 분야를 넘어선 관련성을 지닌다. 이는 정보 사슬이 사용자가 선택한 애플리케이션만큼 중요하다는 점을 보여준다. Notion의 공개는 모든 AI 애플리케이션이 같은 아키텍처나 노출을 공유한다는 점을 입증하지 않으면서도 이 점을 뒷받침한다.
다음 공개는 범위와 보호 조치를 설명해야 한다
다음으로 의미 있는 전개는 안정적인 영향 규모, 더 명확한 접근 설명, 그리고 시정 통제가 문서화된 실패를 해결한다는 증거다.
첫째, 통합된 통지 수치와 명확히 정의된 데이터 범주를 지켜봐야 한다. 11월 16일 수치는 특정 시점의 보고 이정표다. 이후 제출 자료는 후속 수치가 추가 인원을 의미하는지, 수정된 추정치인지, 또는 같은 집단을 다른 방식으로 집계한 것인지 분명히 해야 한다.
안정적이고 조정된 수치는 조사의 범위에 대한 신뢰를 높일 것이다. 설명되지 않은 변화는 이를 약화시킬 것이다. 유용한 신호는 헤드라인에 더 큰 숫자가 들어가는지 여부가 아니라, 회사가 그 숫자가 이전 공개 내용과 어떤 관계인지 설명하는지다.
같은 기준은 관련 기록에도 적용된다. 면허증 이미지와 추출된 필드를 설명하는 제출 자료는 개인정보에 대한 일반적인 언급보다 더 많은 정보를 제공한다. 향후 업데이트는 모든 수신자가 동일한 기록을 노출당했다는 인상을 주지 않으면서 적용 가능한 범주를 명확히 해야 한다.
둘째, 자격 증명 경로와 영향을 받은 워크플로의 목적에 대한 더 충실한 설명을 지켜봐야 한다. 공개 기록은 이미 유효한 공급업체 접근이 핵심이었다고 밝히고 있다. 다음 단계는 그 접근을 무엇이 제한했는지, 그리고 관찰된 활동이 왜 경고를 피했는지를 설명하는 것이다.
정확한 설명은 실패 원인이 시정 조치에 충분할 정도로 이해됐다는 견해를 강화할 것이다. 일반적인 보안 개선에 한정된 대응은 핵심 메커니즘을 해결하지 못한 채 남길 것이다. 범위와 한계가 공개된다면 독립적 평가는 특히 유용할 것이다.
그렇다고 다른 침입을 가능하게 하는 세부 사항을 공개해야 한다는 뜻은 아니다. 기업은 비밀을 노출하지 않고도 접근 경계, 탐지 목표, 시정 조치 검증을 설명할 수 있다. 중요한 증거는 대응이 제출 자료에 기술된 행동을 해결하는지에 관한 것이다.
셋째, 제공업체와 고객이 저장된 데이터 및 연결된 계정 전반에서 격리를 어떻게 검증하는지 지켜봐야 한다. 자격 증명 교체는 접근 경로를 차단할 수 있다. 하지만 그것만으로는 이전에 그 경로를 통해 조회된 정보에 어떤 일이 일어났는지 확인할 수 없다.
검증된 제한 조치, 완료된 고객 영향 검토, 명확히 제한된 보존 관행에 대한 증거는 대응에 대한 신뢰를 높일 것이다. 추가로 설명되지 않은 접근 발견은 이를 약화시킬 것이다. 완료된 조사는 취해진 조치와 그러한 조치가 실제로 줄이는 위험을 연결해야 한다.
독자는 노출과 문서화된 이후의 악용도 구분해야 한다. Uber의 통지 양식은 기술된 시점까지 악용 사례를 식별하지 못했다고 밝힌다. 이 진술은 접근 사실을 뒤집지도 않으며 향후 악용이 불가능하다고 보장하지도 않는다.
마찬가지로, 이용 가능한 자료는 탈취된 면허증이 공개적으로 게시됐거나 모델 훈련에 사용됐다는 사실을 입증하지 않는다. 그러한 주장은 별도의 증거가 필요하다. 이를 불가피한 결과로 취급하면 이미 이용 가능한 사실을 흐리게 할 것이다.
영향을 받은 운전자에게 실질적인 참고 자료는 제공된 지원 및 연락처 정보를 포함한 개별 통지문이다. 공개 보도만으로는 모든 수신자의 상황을 판단할 수 없다. 기업은 수신자가 흩어진 제출 자료를 통해 사고를 재구성할 필요가 없도록 이러한 안내를 충분히 명확하게 해야 한다.
개발자와 엔터프라이즈 구매자는 다음 통지를 구체적인 질문과 함께 따라가야 한다. 제공업체가 민감한 기록으로 이어지는 모든 경로를 설명할 수 있는가? 그 답을 여러분의 애플리케이션이 실제로 사용하는 데이터 흐름과 비교하라. 처리 약속과 저장된 데이터세트를 구분하고, 계정 권한과 악용 탐지를 위한 경고를 구분하라. 유효한 자격 증명을 사용하는 사람이 침입자라면 무엇이 달라지는지 물어야 한다. Uber 운전자 데이터 유출은 이 구분이 공급업체 관계 밖에 있는 사람들에게도 중대한 결과를 낳는다는 점을 보여준다. 향후 업데이트에서 접근 경계가 바뀌었다는 증거를 확인한 뒤, 여러분의 워크플로가 유효한 접근은 정당한 사용을 뜻한다는 같은 가정에 의존하는지 점검하라.



