여러 개의 AI 에이전트가 동시에 움직이며 정부 기관을 공격한 사례가 확인됐다. 다크리딩(Dark Reading)에 따르면 8월 20일 전해진 이 공격은, 최대 여덟 개의 AI 에이전트를 한꺼번에 운용해 정찰과 취약점 탐색, 침투, 결과 평가, 후속 공격 개선을 이어서 수행했다.

이 연구는 주권 AI 기업 드림(Dream)이 8월 12일 공개한 것으로, 공격은 아시아 태평양 지역의 한 정부 기관을 겨냥했다. 연구진은 공격자가 간체 중국어를 쓴 정황이 뚜렷하다고 봤지만, 특정 국가나 조직의 소행으로 단정하지는 않았다.

공격은 7월 1일부터 4일까지 나흘에 걸쳐 진행됐다. 범위는 정부 IT 공급망 업체와 원자력 안전 기관, 정부 이메일 시스템, 일곱 곳이 넘는 에너지 기업으로 확대됐고, 이들 표적의 설정 오류와 노출된 관리자 인터페이스, 악용 가능한 취약점이 병렬로 탐색됐다.

핵심은 자동화 수준이다. 전통적인 사이버 공격도 스크립트와 자동 스캐너를 쓰지만, 중요한 결정은 대개 사람이 내렸다. 반면 에이전트형 AI는 여러 시스템이 작업을 나누고 서로의 결과를 분석하며, 사람의 개입을 최소화한 채 공격을 이어가는 순환 구조를 만들 수 있다.

공격 프레임워크는 헤르메스(Hermes)와 오픈클로(OpenClaw) 에이전트를 바탕으로, 최대 여덟 개의 하위 에이전트를 병렬로 배치하도록 짜였다. 각 에이전트는 특정 표적과 침투 기법을 하나씩 맡았다.

이런 방식은 사이버 범죄와 국가 배후 첩보의 경제성을 근본적으로 바꿀 수 있다. 비교적 소규모 조직도 여러 표적을 상대로 기계의 속도로 작전을 펼 수 있기 때문이다.

방어 측도 AI를 도입하고 있어, 공격과 방어가 점점 더 자동화된 대결로 치닫는 그림이 그려진다. 다만 배후를 특정하기 어려운 만큼, 자율 공격을 둘러싼 주장은 신중히 검증할 필요가 있다는 지적도 나온다.

그럼에도 기술의 방향은 분명해지고 있다. AI가 공격자의 규모와 속도를 사람의 손으로는 불가능한 수준까지 끌어올릴 수 있음을 이번 사례가 보여준다. 취약점을 사람이 하나씩 판단하던 방식과 달리, 여러 에이전트가 병렬로 표적을 훑고 서로의 결과를 학습하면 방어자가 대응할 시간도 그만큼 짧아진다.

자세한 내용은 다크리딩에서 확인할 수 있다.

이미지 출처: AI 생성 이미지