AI 시대, 제로데이 취약점 대응의 속도를 결정짓는 보이지 않는 손
Published Aug 16, 2026
“Google Threat Intelligence Group은 2026년 5월, 위협 행위자가 AI를 이용해 제로데이 익스플로잇 개발을 도왔다고 믿는 첫 사례를 보고했습니다.” 이 충격적인 발언은 인공지능이 사이버 보안 분야에서 단순한 도구를 넘어선 ‘게임 체인저’가 되고 있음을 명확히 보여줍니다. AI는 이제 코드 검토, 이상 행동 추적, 그리고 기존 도구가 놓칠 수 있는 숨겨진 결함을 식별하는 새로운 방법을 보안 연구원들에게 제공하고 있습니다. 특히 제로데이 취약점과 같은 긴급하고 치명적인 위협에 대한 대응 압박은 더욱 거세지고 있죠.
Minimus의 최근 분석에 따르면, 컨테이너 구성, 종속성 기록, 그리고 재구축 속도가 미공개 취약점이 노출된 후의 대응에 어떤 영향을 미치는지에 대해 심도 있게 다루고 있습니다. 빠른 분석은 분명 중요하지만, 조직이 취약한 소프트웨어가 어디에서 실행되고 있는지 정확히 파악할 수 있을 때에만 그 진정한 가치를 발휘합니다. AI가 보안의 속도를 높이고 있다는 것은 부인할 수 없는 사실이지만, 그 이면에 놓인 복잡성과 조직적 과제들을 간과해서는 안 될 것입니다.
AI의 양날의 검: 공격자와 방어자 모두에게 속도를 부여하다
구글의 보고서는 AI가 공격자에게 어떤 방식으로 활용될 수 있는지를 적나라하게 보여줍니다. 2026년 5월 보고된 사례에서는 파이썬 스크립트에서 AI가 개발을 도운 것으로 추정되는 제로데이 익스플로잇이 발견되었습니다. 이 익스플로잇은 널리 사용되는 오픈소스 시스템 관리 도구에서 유효한 자격 증명이 있는 경우 2단계 인증을 우회했습니다. 연구원들은 스크립트의 이례적으로 상세한 주석, 조작된 취약점 점수, 그리고 생성된 출력과 관련된 고도로 구조화된 코딩 스타일을 근거로 AI 모델이 발견과 무기화 모두를 도왔을 것이라는 높은 확신을 표명했습니다. 구글은 전체 운영이 자율적이었다거나 특정 모델에 코드를 귀속시키지는 않았지만, 이 사건은 AI가 단순한 자동화를 넘어 ‘지능적인 공격’의 영역으로 진입했음을 시사합니다.
더욱 의미심장한 것은 이 취약점의 본질이었습니다. 이는 충돌, 메모리 오류 또는 안전하지 않은 입력이 아닌 **하드코딩된 신뢰 가정(hard-coded trust assumption)**과 관련된 논리적 결함이었습니다. 퍼저(fuzzer)나 정적 분석 도구는 기존의 많은 구현 문제를 찾는 데 적합하지만, 언어 모델은 권한, 기능, 그리고 코드베이스 전체에서 예상되는 동작이 어떻게 상호작용하는지 분석할 수 있습니다. 이는 명백한 기술적 흔적을 남기지 않는 논리적 모순을 찾아낼 수 있는 또 다른 경로를 만들어냅니다. 개인적으로 이 부분에서 주목할 점은, AI가 단순히 패턴을 식별하는 것을 넘어 코드의 의미론적(semantic) 맥락과 상호작용을 이해하여 취약점을 찾아낼 수 있다는 점입니다. 이는 기존 도구의 한계를 뛰어넘는 AI의 독특하고 강력한 능력이며, 보안 연구의 패러다임을 바꿀 수 있는 잠재력을 가지고 있습니다.
구글의 더 넓은 데이터는 이러한 우려가 고립된 것이 아님을 시사합니다. Google Threat Intelligence Group의 2025년 분석에 따르면, 2025년에는 90개의 제로데이가 실제 환경에서 악용되었으며, 이는 2024년 78개와 비교해 증가한 수치입니다. 특히 기업 소프트웨어 및 어플라이언스가 전체의 48%인 43건을 차지했으며, 두 수치 모두 구글 데이터셋에서 기록적인 수치였습니다. 이는 공격자들이 AI를 활용하든 안 하든, 제로데이 취약점의 위협이 지속적으로 증가하고 있음을 방증합니다.
하지만 AI는 공격자만의 무기가 아닙니다. 방어자들 역시 AI를 활용하여 패치 개발 시간을 단축하고 있습니다. 모델은 소스 코드를 검사하고, 취약점 보고서를 패키지 기록과 비교하며, 영향을 받는 버전에 대한 변경 사항을 제안할 수 있습니다. Google DeepMind의 CodeMender와 같은 AI 에이전트는 모델 추론을 정적 분석, 런타임 테스트 및 퍼징과 결합하여 제안된 패치를 생성하고 평가합니다. 실제로 CodeMender는 첫 6개월 동안 기존 오픈소스 프로젝트에 72개의 보안 수정 사항을 제공하는 성과를 거두었습니다. 물론 이러한 패치는 자동으로 승인되지 않으며, 인간 연구자들이 각 변경 사항을 검토하여 회귀를 확인하고 눈에 보이는 증상뿐만 아니라 근본적인 원인을 해결하는지 검증합니다. AI는 제안을 하지만 최종 결정과 검증은 여전히 인간의 몫인 셈이죠.
제로데이 대응의 복잡성: 기술을 넘어선 조직적 과제
아무리 AI가 취약점 분석과 패치 개발 속도를 가속화한다 해도, 실제 환경에서의 대응은 훨씬 복잡합니다. 취약점이 공개되면 보안 팀은 먼저 해당 취약점이 어디에서 실행되고 있는지 파악해야 합니다. 컨테이너 환경 내에서는 이것이 매우 어려운 작업입니다. 이미지에는 운영체제 패키지, 애플리케이션 라이브러리, 베이스 이미지로부터 상속된 종속성, 그리고 워크로드의 가시적인 목적과 거의 관련이 없는 셸 또는 유틸리티가 포함될 수 있습니다. 결과적으로 취약한 구성 요소는 애플리케이션 자체보다 여러 계층 아래에 숨어있을 수 있으며, 조직이 직접 추가하지 않았음에도 불구하고 수많은 이미지에 걸쳐 나타날 수 있습니다.
2021년 Log4Shell 사태는 이 문제를 대규모로 노출했습니다. 영향을 받은 Log4j 라이브러리는 광범위한 제품과 서비스에 통합되어 있었고, 많은 조직에게 패치를 얻는 것은 시작에 불과했습니다. 그들은 취약한 버전을 가지고 있는 모든 서버, 애플리케이션 및 컨테이너를 식별해야만 최종적인 조치를 완료할 수 있었습니다. 솔직히 말해서, 이 과정은 패치를 개발하는 것만큼이나, 아니 어쩌면 그보다 더 큰 시간과 자원을 소모했습니다.
여기서 **소프트웨어 구성 명세서(SBOMs)**의 중요성이 부각됩니다. SBOM은 각 이미지가 무엇을 포함하고 있는지에 대한 명확한 기록을 제공합니다. 또한, 더 작은 이미지(minimal images)는 워크로드에 필요 없는 패키지를 제외함으로써 조사 범위를 줄일 수 있습니다. Minimus는 패키지 감소, 종속성 가시성, 그리고 영향을 받는 구성 요소가 공개된 후 이미지 재구축을 통해 이 문제를 다루고 있습니다.
물론, 최소화된 이미지라도 알려지지 않은 결함을 포함할 수 있습니다. 그러나 이는 팀이 조사해야 할 패키지 수를 줄여주고, 잠재적인 노출 지점을 축소하며, 문제가 알려졌을 때 교체하거나 재테스트해야 할 소프트웨어를 줄여주는 효과가 있습니다. 즉, 제로데이를 완전히 방지하는 것보다 훨씬 실현 가능하고 즉각적인 이점을 제공하는 것입니다.
결국은 기본에 충실해야 할 때
AI는 코드 분석을 공격자와 방어자 모두에게 가속화하고 있지만, 많은 지연은 취약점이 식별된 후에 여전히 발생합니다. 어떤 팀은 이미지를 열고 패키지 목록을 수동으로 확인하는 데 몇 시간을 보낼 수 있습니다. 반면, 다른 팀은 최신 인벤토리를 검색하여 어떤 워크로드가 영향을 받는 버전을 포함하는지 거의 즉시 확인할 수 있습니다.
이러한 차이는 발견 도구의 정교함과는 거의 관련이 없습니다. 이는 소프트웨어 인벤토리, 이미지 구성, 그리고 컨테이너가 어떻게 구축되고 교체되는지에 대한 초기의 결정에서 비롯됩니다. 취약점 연구가 더 빠르게 진행됨에 따라, 시스템이 무엇을 포함하는지 재구성하려고 시도하지 않고도 노출을 파악하고 테스트된 수리 조치를 배포할 수 있는 조직에 실질적인 이점이 돌아가는 것입니다.
사실 이건 마치 고성능 스포츠카를 가지고 있지만, 연료가 어디에 채워져야 하는지, 혹은 타이어 공기압이 정상인지조차 알지 못하는 상황과 비슷합니다. AI라는 최첨단 엔진이 아무리 강력해도, 그 엔진을 둘러싼 기본적인 인프라와 관리 체계가 부실하다면 제 성능을 발휘하기 어렵다는 것이죠. 결국, AI의 강력한 힘을 십분 활용하기 위해서는 소프트웨어 인벤토리 관리, 컨테이너 이미지 구성 최적화, 그리고 신속한 재구축 프로세스와 같은 기본적인 IT 위생 관리가 선행되어야 합니다. 이러한 견고한 기반 위에서만이 AI는 진정한 보안 혁신을 이끌어낼 수 있을 것입니다.
출처
- 원문 제목: How AI is changing the vulnerability response timeline
- 출처: AI News
- 원문 기사 보러가기
