Wiz 에이전틱 공격 연구, 7가지 지문 식별과 귀속의 한계 제시

28분 전

9분 분량

Wiz는 10월 29일 에이전틱 공격의 7가지 지문을 식별한 연구를 발표하면서도, 공격 주체를 식별하는 일은 여전히 어렵다고 인정했다. Wiz의 에이전틱 공격 분석은 모델을 사용해 행동을 선택하고 도구를 운용하는 소프트웨어인 AI 에이전트가 연루된 침입을 검토한다. 이 분석의 핵심 긴장은 가시성과 관련된다. 식별 가능한 행동은 조사관에게 도움이 될 수 있지만, 누가 공격을 통제했는지를 신뢰성 있게 입증하지는 못한다.

Microsoft, CrowdStrike, Huntress는 유용한 비교 기준을 제공한다. 이들의 조사에서는 회수된 공격자 파일부터 고객 인증 기록까지 서로 다른 증거가 제시된다. 이러한 차이는 사건이 자율 실행, AI 지원, 기존 스크립트 또는 이들의 조합과 관련됐는지를 판단할 때 중요하다.

기업 보안팀에 당면한 압박은 운영 측면에 있다. 확정적인 AI 귀속을 기다리면 차단이 지연될 수 있고, 모든 자동화 침입을 에이전틱으로 취급하면 우선순위가 왜곡될 수 있다. 실질적인 질문은 방어자가 얼마나 빨리 무단 접근을 인지하고, 관련 활동을 연결하며, 이를 중단할 수 있는가에 관한 것이다.

Wiz 에이전틱 공격 연구, 논의를 관찰 가능한 행동으로 옮기다

이 보고서의 의미는 그 구도 설정에 있다. 침입 이후 붙는 꼬리표로 AI 개입을 다루는 대신, 조사관이 검토할 수 있는 행동 기준을 제시한다. 이 기준은 하나의 설명을 증거와 대조해 검증하기 위한 출발점을 만든다.

유용한 지문은 조사를 뒷받침하지만, 공격자가 실제로 무엇을 달성했는지에 관한 증거를 대체하지는 않는다.

이 구분은 보안 분석을 용어에 관한 논쟁과 분리한다. 조직은 어떤 아이덴티티가 무단 권한을 얻었는지, 자격 증명이 유출됐는지, 민감한 기록에 접근했는지를 알아야 한다. 책임 있는 소프트웨어를 규명하는 일은 연관돼 있지만 다른 목적을 지닌다.

경보와 결론의 차이를 생각해 볼 수 있다. 비정상적인 순서는 조사를 정당화할 수 있지만, 모델이 모든 행동을 선택했다는 사실까지 입증하지는 않는다. 조사관은 두 판단을 모두 유지할 수 있다. 해당 활동은 주의를 기울일 가치가 있으며, 그 작동 방식은 여전히 불확실하다.

이는 특히 공급업체 연구를 평가할 때 중요하다. 보고서는 가치 있는 관찰을 담으면서도 더 폭넓은 해석에 관한 질문을 남길 수 있다. 독자는 기초 기록과 연구자들이 가장 가능성 높다고 보는 설명을 구분해야 한다.

같은 원칙은 자율적이라는 단어에도 적용된다. 운영자는 목표를 승인하고, 도구를 실행하며, 중간 결과를 검토하고, 진행이 멈추면 개입할 수 있다. 이 전체 과정을 자율적이라고 묘사하면 통제 방식의 의미 있는 차이를 가릴 수 있다.

대안은 관찰된 위임 방식을 설명하는 것이다. 소프트웨어가 대상을 선택했는지, 명령을 작성했는지, 오류를 해석했는지, 아니면 준비된 목록만 실행했는지를 물어야 한다. 각 답변은 탐지와 대응에 서로 다른 함의를 지닌 서로 다른 기여를 보여준다.

이는 기업이 보안 공급업체에 요청해야 할 사항도 바꾼다. AI를 인식한다는 주장은 이를 뒷받침하는 사례, 명확한 신뢰도 표현, 대안적 해석에 대한 설명을 갖춰야 한다. 공격의 배후 모델을 알 수 없더라도 탐지 품질은 평가 가능해야 한다.

따라서 관련 비교 대상은 적응형 실행과 이를 재구성하는 방어자의 능력이다. 기존 자동화도 이 비교의 일부로 남는다. 기존 자동화가 존재한다고 해서 워크플로의 다른 지점에 모델이 없다는 뜻은 아니다.

모델은 나중에 독립적으로 실행되는 스크립트 작성에 도움을 줄 수 있다. 반대로 스크립트는 에이전트가 다음 행동을 결정하는 데 활용할 결과를 수집할 수 있다. 고객 로그가 이러한 업무 분담을 반드시 드러내는 것은 아니다.

구매자에게 이는 간단한 평가 기준을 제시한다. 제품이 중요한 무단 행동을 식별하고, 그 증거를 설명하며, 대응자가 행동하도록 돕는지 물어야 한다. 이러한 역량이 없다면 자신감 있는 AI 라벨은 큰 가치를 더하지 못한다.

7가지 지문은 단서일 뿐, 판정은 아니다

지속적 반복: Wiz는 일반적인 수동 세션을 넘어 계속되는, 변화하는 기계 속도의 활동을 설명한다. 지속 시간은 맥락을 확립하는 데 도움이 된다.
작성된 근거: 도구에는 의도한 행동에 관한 설명이 포함돼 있다. 이러한 텍스트는 검토할 또 다른 아티팩트를 제공한다.
적응형 수정: 실패 이후 후속 시도가 달라진다. 조사관은 수정 내용을 비교할 수 있다.
폭넓은 범위: 활동은 서로 다른 기법을 체계적으로 탐색한다. 그 순서는 조직 방식을 드러낼 수 있다.
병렬 탐색: 여러 가능한 경로가 동시에 검토된다. 이는 대응자가 연결해야 할 증거의 범위를 넓힌다.
실행 전 검증: 실행을 제한하려는 조치와 함께, 영향이 큰 행동에 앞서 예비 점검이 이뤄진다.
일회성 아티팩트: 설명적인 임시 파일과 식별 흔적은 준비 단계와 기록 관리에 관한 단서를 제공한다. 이는 Wiz의 에이전틱 공격 지문을 요약한 것이다.
이들의 종합적 의미: 여러 정렬된 관찰은 고립된 명명 패턴보다 가설을 더 효과적으로 뒷받침한다. 개별 지문 하나만으로 귀속을 자동으로 확정해서는 안 된다.
합법적 자동화와의 비교: 유사한 행동을 평가할 때는 승인된 테스트와 관리 도구를 고려해야 한다. 맥락이 행동의 적절성을 결정한다.
탐지의 함의: 에이전틱 공격 탐지는 행동 단서와 함께 아이덴티티, 권한, 대상, 결과를 확인해야 한다.
오탐 문제: 탐지기는 허용된 활동을 기준으로 평가돼야 한다. 그렇지 않으면 겉보기 민감도가 의사결정을 개선하지 못한 채 조사 부담만 만들 수 있다.
누락 증거 문제: 아티팩트가 없다고 해서 에이전트가 없었다는 사실이 입증되는 것은 아니다. 조사관은 수집의 한계를 기록해야 한다.
신뢰도 문제: 보고서는 직접 관찰, 추론된 관계, 미해결 설명을 구분해야 한다. 이러한 범주는 검토를 뒷받침한다.
권한 문제: 결정적인 사안은 행동이 권한을 넘어섰는지 여부다. 정확한 모델 라벨만으로는 이 질문에 답할 수 없다.
보존 문제: 원본 기록을 유지하면 초기 증거를 다시 작성하지 않고도 이후 발견 사항에 따라 평가를 수정할 수 있다.
적응 문제: 표현 방식에 기반한 시그니처는 면밀한 검토가 필요하다. 그 유용성은 표현 변경이 이를 무력화하는지에 달려 있다.
운영 문제: 대응자는 작성자에 관한 모든 불확실성을 해소하기 전에 유해 활동을 중단할 만큼의 증거가 필요하다.
보고 문제: 경영진은 제안된 메커니즘에 대한 신뢰도와 함께 영향을 받은 시스템과 확인된 결과를 명확히 파악해야 한다.

ARTEX와 Hermes 사례가 증거를 분리해야 하는 이유를 보여주다

Zscaler의 10월 14일 조사는 AI 지원 보안 테스트를 조율하는 프레임워크인 ARTEX를 한국 금융기관을 겨냥한 공격과 연결한다. 이 조사는 약 6만7,000명에게 영향을 미친 개인정보 탈취를 보고했다. 연구진은 문의 포털과 모바일 애플리케이션 백엔드를 포함한 인터넷 노출 애플리케이션의 악용을 설명했다. 금전적 동기를 지닌 중국어 사용 행위자라는 평가는 중간 수준의 신뢰도를 지녔다. 조사 결과는 금융 부문 침입 분석에 담겼다.

공유된 프레임워크가 공유된 운영자, 동기 또는 결과를 입증하지는 않는다.

CrowdStrike의 10월 7일 분석은 또 다른 증거 관점을 제시한다. 이 분석은 공격자가 통제하는 인프라에서 회수된 ARTEX 구성 파일, Claude Code 세션 기록, 메모리 파일을 설명한다. 이러한 아티팩트는 피해자 환경 내부에 기록된 활동을 넘어선 가시성을 제공한다. CrowdStrike는 ARTEX 인프라 분석에서 이 한국 캠페인을 특정 명칭의 적대 세력에 귀속하지 않았다.

이 구분은 도구 이름이 지나치게 편리한 조직화 원칙이 될 수 있기 때문에 중요하다. 분석가는 동일한 조직이 수행했다고 주장하지 않고도 기술적 비교를 위해 사건을 묶을 수 있다. 독자는 헤드라인을 비교할 때 이 분리를 유지해야 한다.

태국 사례는 다른 프레임워크와 다른 한계를 수반한다. Hunt.io는 태국 재무부를 겨냥한 침입 중 Hermes가 명령 승인 프롬프트 없이 작동했음을 회수된 로그가 보여준다고 보고했다. 7월 23일 발표에서는 내부 탐색과 침해된 시스템의 증거를 설명했다.

Hunt.io는 초기 접근 방식이 명확하지 않았다고 밝혔다. 또한 검토한 재무부 파일이 유출됐다는 증거를 찾지 못했다. 이러한 한계는 Hermes 침입 조사의 기술적 관찰과 함께 제시됐다.

마지막 단서는 공개적 설명을 바꾼다. 공격자가 파일을 검색했다는 증거는 접근 조사를 뒷받침한다. 하지만 그것만으로 해당 파일이 환경 밖으로 나갔다는 사실을 입증하지는 않는다. 마찬가지로 유출 증거가 없다고 해서 탈취가 불가능했다고 선언해서도 안 된다.

이 사례들은 사고 검토가 답해야 할 서로 다른 질문을 보여준다. 회수된 구성은 도구 식별에 도움이 된다. 세션 기록은 실행 방식을 설명하는 데 도움이 된다. 피해자 기록은 영향을 확립하는 데 도움이 된다. 한 범주의 증거가 다른 범주의 공백을 자동으로 메울 수는 없다.

개발자에게 실질적인 관련성은 노출된 애플리케이션 주변의 경계와 관련된다. 애플리케이션만 검토하면 이를 통해 접근 가능한 자격 증명과 서비스에 관한 질문이 남을 수 있다. 조사는 이를 추론하는 대신 그러한 관계를 확립해야 한다.

지식 근로자에게 이 문제는 그러한 관계 뒤에 있는 정보와 관련된다. 문서 저장소, 고객 포털 또는 내부 검색 서비스는 실제 기록에 대한 접근을 의미한다. AI 설명의 가치는 그 노출을 명확히 하는지에 부분적으로 달려 있다.

이는 각각 고유한 증거를 지닌 별개의 보고된 사건이다. 가장 큰 수치와 가장 강한 주장을 결합하면 더 극적인 이야기가 되겠지만, 평가는 덜 정확해진다.

ConnectWise, 기존 애플리케이션 신뢰에 압박을 가하다

Microsoft의 10월 21일 분석은 ConnectWise Cloud Backup 침해를 중국 국가 연계 행위자로 설명하는 Storm-0940에 귀속한다. Microsoft는 ARTEX가 탈취된 애플리케이션 자격 증명의 악용을 가속화했으며 2,250개 이상의 Microsoft 365 테넌트에 대한 로그인을 시도했다고 밝혔다. 테넌트는 조직의 Microsoft 클라우드 환경이다.

이 회사는 시도된 접근과 확인된 영향을 명시적으로 구분한다. 영향을 받은 애플리케이션이나 성공적인 인증조차 고객 데이터에 접근했거나 이를 탈취했다는 사실을 반드시 입증하지는 않는다. 조사 결과는 ConnectWise 캠페인 분석에서 기존 애플리케이션 신뢰의 악용을 설명한다.

핵심 노출 지점은 애플리케이션의 자격 증명이 적대적 주체의 손에 들어갔을 때 그 애플리케이션이 이미 보유한 권한이다.

이는 고객과 공급업체 모두에 동시에 압박을 가한다. 고객은 자사 환경 내에서 부여된 권한을 이해해야 한다. 공급업체는 그 관계를 뒷받침하는 자격 증명에 어떤 일이 있었는지 설명해야 한다.

AI의 분석적 중요성은 접근 권한을 사용할 수 있게 된 뒤에 무엇이 일어나는지에 있다. 소프트웨어가 운영자의 주의가 덜 필요한 상태에서 기회를 평가하고 행동할 수 있다면, 대응 프로세스는 다른 업무 부담에 직면한다. 그렇다고 최초의 신뢰 결정이 사라지는 것은 아니다.

애플리케이션 인증에는 익숙한 직원 로그인 조사와는 다른 질문도 필요하다. 어떤 애플리케이션이 행동했는가? 어떤 권한이 적용됐는가? 누가 자격 증명을 소유했는가? 이후 어떤 변경이 이뤄졌는가? 이탈 여부를 평가하기 전에 답변은 먼저 승인된 관계를 식별해야 한다.

엔터프라이즈 구매자에게 이러한 질문은 공급업체 평가의 일부다. 유용한 보증은 자격 증명 통제, 고객 가시성, 사고 커뮤니케이션, 복구 책임을 설명한다. 안전한 AI에 관한 일반적인 설명은 이러한 운영 세부 사항을 대체할 수 없다.

시도된 접근과 성공한 접근의 구분은 특히 주의할 필요가 있다. 시도 횟수는 표적화 정도를 측정한다. 인증 기록은 또 다른 단계를 보여준다. 권한 변경이나 데이터 접근의 증거는 추가 단계를 입증한다. 각각에는 고유한 근거가 필요하다.

이 단계들을 하나로 뭉뚱그리면 의사결정자를 서로 반대 방향으로 오도할 수 있다. 부풀려진 침해 수치는 사고의 규모를 왜곡할 수 있다. 로그인 성공에 지나치게 좁게 집중하면 별도 조사가 필요한 중대한 변경을 놓칠 수 있다.

복구는 또 다른 경계를 만든다. 공급업체 서비스를 복원하는 것은 가용성에 관한 질문에 답한다. 무단 접근이 종료됐음을 입증하는 것은 보안에 관한 질문에 답한다. 조사가 겹치더라도 고객에게는 두 측면 모두에 적합한 증거가 필요하다.

따라서 일시적인 중단은 단순한 기술적 재설정이 아니라 운영상 결정을 요구할 수 있다. 조직은 서비스 의존도와 복구를 뒷받침하는 증거를 함께 고려해야 한다. 이러한 판단은 최신 사고 대응 지침을 따라야 한다.

Wiz의 에이전틱 공격 연구는 실행 패턴에 주목하게 한다는 점에서 이 논의에 속한다. ConnectWise 사례는 구체적인 신뢰 관계를 제시한다. 두 사례는 권한 부여, 탐지, 대응이 어떻게 상호작용하는지 면밀히 살펴보게 한다.

조달을 위한 교훈은 구체적이다. 구매자는 통합의 권한을 어떻게 점검하고 제한할 수 있는지, 그리고 예상치 못한 사용이 어떻게 가시화되는지를 물어야 한다. 이러한 질문은 공격자가 선택한 프레임워크와 무관하게 여전히 유효하다.

AI 공격 귀속은 무단 접근보다 여전히 불확실하다

Huntress는 ConnectWise 사례에 중요한 단서를 더한다. 조사관들은 자사의 텔레메트리가 Microsoft의 조사 결과와 일치하지만 AI 개입을 독립적으로 확인하지는 못한다고 말한다. 고객 기록만으로 내린 자체 평가는 낮음에서 중간 수준의 신뢰도다.

이들은 실행마다 변경된 도구와 함께, 표적 애플리케이션 ID가 삭제된 뒤에도 계속된 요청을 설명한다. Huntress는 공격자 시스템과 기반 모델 사용 방식에 대한 가시성이 없었다. 따라서 공격 실행 분석은 스크립트, 운영자 개입, 에이전트를 서로 겹칠 수 있는 가능성으로 검토한다.

AI 개입에 대한 불확실성이 무단 활동의 증거를 없애지는 않는다.

이는 지문에 대한 과도하게 확신에 찬 해석을 견제하는 가장 강력한 반론이다. 일련의 행동은 에이전트 가설을 뒷받침할 수 있지만, 다른 설명과도 양립할 수 있다. 적절한 대응은 경쟁하는 설명을 밝히고, 이를 구별할 증거가 무엇인지 식별하는 것이다.

수정된 도구는 모델이 생성한 보정을 반영할 수 있다. 하지만 사람이 코드를 편집하거나 기존 옵션을 선택한 결과일 수도 있다. 수정 관찰은 행동이 바뀌었다는 사실을 입증하지만, 그 작성자를 식별하려면 추가 근거가 필요하다.

이 구분은 추론을 논할 때 특히 중요하다. 로그는 오류 뒤에 어떤 행동이 이어졌음을 보여줄 수 있다. 하지만 일반적으로 그 행동 뒤에 있는 완전한 의사결정 과정을 드러내지는 않는다. 보도는 그럴듯한 인과 설명을 관측된 사실로 바꾸지 않도록 해야 한다.

AI 공격 귀속에는 별개의 귀속 문제가 포함된다. 하나는 모델의 존재에 관한 문제다. 또 하나는 프레임워크에 관한 문제다. 또 다른 하나는 이를 지휘한 개인이나 조직에 관한 문제다. 한 수준의 신뢰도가 다른 수준으로 자동 이전되지는 않는다.

복구된 구성 파일은 누가 이를 운용했는지를 입증하지 못하더라도 프레임워크 식별을 강화할 수 있다. 익숙한 인프라 패턴은 특정 모델이 명령을 생성했다는 사실을 증명하지 못하더라도 행위자 평가를 뒷받침할 수 있다.

이 때문에 Wiz, Microsoft, CrowdStrike, Huntress를 비교할 때는 각자의 증거에 초점을 맞춰야 한다. 이들은 운영의 서로 다른 부분을 관찰한다. 일치는 해석을 강화할 수 있지만, 원래 출처의 귀속을 반복하는 것은 독립적인 교차 검증이 아니다.

연구를 일축하지 않으면서도 상업적 동기를 고려할 필요가 있다. 보안 공급업체에는 새롭게 부상하는 위협과 자사의 대응 역량을 부각할 이유가 있다. 독자는 공개된 관찰 결과와 제품 주장을 별도로 평가해야 한다.

유용한 제품 비교는 시스템이 경보를 어떻게 설명하고 검토에 필요한 기록을 보존하는지 묻는다. 또한 어떤 환경을 관찰하며 어떤 환경이 시야 밖에 남는지도 명확히 해야 한다. 광범위한 가시성 주장은 구체적인 범위를 필요로 한다.

사고 대응 책임자에게 커뮤니케이션의 과제는 신뢰도와 긴급성을 분리해 유지하는 것이다. 팀은 AI 개입에 대해서는 제한적인 신뢰도를 가질 수 있으면서도 격리에 대해서는 강력한 근거를 가질 수 있다. 경영진 보고는 두 판단 모두를 이해할 수 있게 해야 한다.

반대의 경우도 중요하다. 에이전트가 참여했다는 강력한 증거가 데이터 탈취의 범위를 입증하지는 않는다. 귀속은 더 명확해질 수 있지만 영향은 여전히 미해결일 수 있다.

따라서 에이전틱 공격 탐지는 일련의 의사결정을 뒷받침해야 한다. 행동을 확인하고, 승인 여부를 판단하며, 영향을 받은 리소스를 식별하고, 남은 불확실성을 문서화해야 한다. 모델 레이블은 이 연계를 개선할 때 유용하다.

2027년 1월까지 주목할 사항

다음 단계는 공개된 증거와 운영 결과를 통해 판단해야 한다. AI를 주제로 한 사고 발표가 늘어나는 것보다 에이전트가 무엇을 통제했으며 방어자가 무엇을 차단했는지를 더 분명히 설명하는 사례가 더 가치 있다.

가장 강력한 확인은 공격자 측 아티팩트, 피해자 측 활동, 독립적으로 확인된 결과를 연결할 것이다.

첫 번째 신호는 이들 증거 범주 전반에서 더 강력한 교차 검증이 나타나는 것이다. 복구된 에이전트 기록을 피해자 환경의 인증된 행동과 연결하는 조사를 주시해야 한다. 이러한 정렬은 직접 위임과 AI 지원 준비 작업을 구별하는 데 도움이 될 것이다.

이러한 보도는 에이전트가 중대한 실행을 처리하고 있다는 주장을 강화할 것이다. 반대로 속도나 코드 스타일만으로 뒷받침되는 사례는 더 넓은 귀속 문제를 미해결 상태로 남길 것이다. 사고 건수가 늘어난다고 약한 증거 기반이 보완되지는 않는다.

두 번째 신호는 측정 가능한 탐지 품질이다. 제안된 지문이 승인된 자동화에 대해 어떻게 작동하는지 설명하는 평가를 주시해야 한다. 합법적인 테스트, 관리, 배포 활동은 필요한 비교 기준을 제공한다.

조사 부담을 통제하면서 유해 활동을 식별하는 탐지기는 방어적 가치를 강화할 것이다. 주로 주석, 명명 규칙, 실행 주기만 인식하는 시스템은 유용성에 대해 더 제한적인 해석이 필요하다.

관련된 결과는 분석가가 올바른 결정을 더 빨리 내리는지 여부다. 구매자는 무엇이 탐지됐고, 경보에 어떤 맥락이 수반됐으며, 어떤 대응이 이어졌는지에 관한 증거를 찾아야 한다. 모델 지능만 설명해서는 그러한 결과를 입증할 수 없다.

세 번째 신호는 침해된 통합에 관한 더 명확한 복구 보고다. 공급업체의 조치, 고객 조사, 서비스 복원, 무단 접근 제거를 구분하는 공개 내용을 주시해야 한다. 각 단계는 서로 다른 운영상 질문에 답한다.

이 단계들이 문서화되고 조율된다는 증거는 대응 준비 태세에 대한 신뢰를 뒷받침할 것이다. 지속적인 모호성은 최초 침입 메커니즘이 잘 이해되더라도 거버넌스 문제를 드러낼 것이다.

이 신호들은 Wiz의 에이전틱 공격 논의 전반에 걸친 동일한 긴장과 연결된다. 공격자는 작업을 위임할 수 있지만, 방어자에게는 여전히 신뢰할 수 있는 맥락이 필요하다. 보안 가치는 그 맥락을 실행 가능하게 만드는 데서 나온다.

접근 가능한 의사결정 기록을 유지하는 일은 이 목표를 뒷받침한다. 팀은 무엇을 알고 있었는지, 왜 행동했는지, 어떤 질문이 남아 있었는지를 보존해야 한다. 검색 가능한 엔지니어링 지식 기반은 전용 보안 시스템과 함께 이러한 문서화를 지원할 수 있다.

즉각적인 조치는 조직이 유사한 공개를 어떻게 평가할지 검토하는 것이다. 누가 애플리케이션 권한을 소유하는지, 누가 관련 기록을 가져올 수 있는지, 누가 격리를 승인할 수 있는지 식별하라. 공급업체에 시도된 접근, 성공한 인증, 권한 변경, 확인된 데이터 탈취를 구분해 달라고 요구하라. 자체 사고 커뮤니케이션에서도 이러한 구분을 보존하라. 7가지 지문을 조사 출발점으로 활용한 뒤, 이용 가능한 증거에 비추어 설명을 검증하라. 공급업체가 자사 시스템이 에이전틱 공격을 탐지한다고 주장한다면, 경보가 무엇을 입증했고 대응자가 이후 무엇을 했는지 보여주는 사례를 요청하라. 이러한 검토는 완벽한 귀속을 기다리지 않고도 준비 태세를 평가할 수 있는 구체적인 출발점이 된다.