A Sneaky Hacking Tool Targeting AI Infrastructure Is Lurking in Victims’ Blind Spots

🖼️ 인포그래픽

A Sneaky Hacking Tool Targeting AI Infrastructure Is Lurking in Victims’ Blind Spots 내용을 설명하는 본문 이미지

🖼️ 4컷 인포그래픽

💡 한 줄 요약

Crowd스트라이크가 실제 환경에서 발견한 웜은 AI 개발 파이프라인의 정상 자동화처럼 행동하면서 자격 증명을 탈취하고 시스템을 파괴할 수 있어 기존 보안 관측의 사각지대를 파고든다.

📌 핵심 요약

Crowd스트라이크는 AI 소프트웨어 공급망 공격을 조사하던 중 실제 환경에서 활동하는 웜을 발견했으며, 아직 특정 공격 주체에게 귀속하지는 못했다.
이 웜은 대상 환경을 정찰한 뒤 액세스 토큰, 암호화 키, 서버 접속 자격 증명과 같은 민감한 정보를 찾아 공격자에게 전달한다.
권한을 확보하고 시스템 내부로 더 깊이 침투하면 소프트웨어 패키지 관리 서버와 풀 리퀘스트 기능 등에 접근할 수 있는 npm 토큰을 집중적으로 수집한다.
악성코드는 파일을 파괴하거나 침해된 인프라에 대한 정상 사용자의 접근을 차단하는 이른바 ‘데스 스위치’ 기능도 실행할 수 있다.
정상적인 AI 코딩 시스템 및 빌드 자동화와 유사한 동작, 제한적인 원격 측정 신호, 수시간에서 수일에 이르는 실행 지연 때문에 탐지와 사건 간 인과관계 규명이 어렵다.

🧩 주요 포인트

AI 코딩 에이전트의 보편화 → 개발 도구와 서비스 사이의 신뢰 관계가 새로운 소프트웨어 공급망 공격 경로로 악용되고 있다.
초기 정찰과 자격 증명 탈취 → 확보한 권한과 개발용 토큰이 더 깊은 침투와 민감 정보 수집의 발판이 된다.
정상 자동화와 겹치는 행동 및 지연 실행 → 개별 보안 신호만으로 합법적 활동과 악성 활동을 구분하기가 훨씬 어려워진다.

🧠 상세 정리

1. AI 소프트웨어 공급망에서 발견된 신흥 공격

AI 도구가 전 세계 소프트웨어 개발 과정에 깊이 통합되면서 공격자들도 모델 자체를 넘어 AI 도구체인과 개발 파이프라인을 적극적으로 겨냥하고 있다. Crowd스트라이크 연구진은 AI 소프트웨어 공급망 공격을 조사하던 중 실제 환경에서 활동하는 웜을 발견했다. 회사는 아직 이 활동을 특정 공격 주체에게 귀속하지 않았지만, 담당 임원 애덤 마이어스는 팀PCP와 북한계 조직 등이 AI 공급망을 표적으로 삼는 더 큰 변화와 맞닿아 있다고 설명했다. 다만 이는 해당 웜을 그 조직들의 소행으로 확정했다는 뜻이 아니라, AI 코딩 에이전트의 확산과 함께 나타나는 새로운 공격 유형의 사례라는 의미다.

2. 정찰에서 자격 증명 탈취로 이어지는 단계별 침투

Crowd스트라이크가 분석한 웜은 한 번에 모든 기능을 실행하지 않고 여러 단계로 움직인다. 첫 단계에서는 대상 환경을 정찰해 시스템 구성과 접근 가능한 자원을 파악한 뒤, 액세스 토큰과 암호화 키, 서버 접속 자격 증명 등 공격자에게 전달할 수 있는 민감한 정보를 찾는다. 악성코드가 더 높은 권한을 획득하면 자체 구성 요소를 추가로 풀어내며 자격 증명 수집을 계속한다. 이러한 순차적 작동 방식은 초기 침투에서 얻은 접근 권한을 이용해 더 깊은 영역으로 이동하고, 그때마다 가치가 더 높은 정보에 접근하도록 설계돼 있다.

3. 개발 권한 탈취와 파괴 기능

웜은 특히 핵심 소프트웨어 패키지 관리 서버에 접근할 수 있는 npm 토큰을 수집한다. 이 토큰은 패키지 관리뿐 아니라 풀 리퀘스트와 같은 개발 작업에 연결될 수 있으므로, 탈취된 자격 증명은 개발 환경 내부의 추가 활동에 활용될 수 있다. 악성코드가 시스템 내부로 더 깊이 들어갈수록 가져갈 수 있는 민감한 데이터의 범위도 커진다. 이 단계에서 웜은 마이어스가 ‘데스 스위치’라고 부른 파괴 기능을 실행해 파일을 없애거나, 침해된 인프라에 대한 정상 사용자의 접근을 차단할 수도 있다. 기사에 제시된 기능 범위는 정보 수집과 자격 증명 탈취에 그치지 않고 실제 시스템 훼손까지 포함한다.

4. 정상 자동화로 위장하는 탐지 사각지대

이번 분석의 핵심은 웜의 악성 활동 상당 부분이 보안 도구의 사각지대에서 이뤄진다는 점이다. 웜이 수행하는 정찰, 토큰 사용, 자동화된 코드 관련 작업은 조직이 실제로 사용하는 빌드 및 개발 자동화와 매우 비슷하게 보인다. 마이어스는 이를 건초더미 속 바늘이 아니라 ‘바늘 더미 속 바늘’을 찾는 상황에 비유했다. 악성 동작이 전혀 낯선 형태로 나타나는 것이 아니라 정상적인 AI 코딩 시스템의 행동과 섞이기 때문에, 관측된 작업의 외형만으로는 공격 여부를 판별하기 어렵다. 결과적으로 정상적인 개발 활동이 많은 환경일수록 악성 흐름이 합법적인 자동화 사이에 숨어 있을 수 있다.

5. 겹치는 원격 측정 신호와 지연 실행

AI 소프트웨어 개발 파이프라인에서는 기존 보안 스캐너와 분석 도구가 의심스러운 활동을 찾는 데 사용하던 데이터 지점을 수집하기도 더 어렵다. 정상적인 AI 코딩 시스템과 웜이 비슷한 방식으로 작동하므로 원격 측정 데이터가 크게 겹치고, 확보된 신호만으로 합법적 행동과 불법적 행동을 구별하기가 힘들다. 웜 제작자는 일부 기능이 초기 작업 이후 수시간 또는 수일이 지나서 실행되도록 시간 지연도 넣었다. 이 간격은 앞선 접근이나 자격 증명 탈취와 나중에 발생한 데이터 유출 또는 파괴 행위 사이의 원인과 결과를 연결하기 어렵게 만든다. 즉, 행동의 유사성과 시간적 분리가 함께 작용해 공격의 전체 흐름을 재구성하는 일을 방해한다.

6. 제한된 탐지 표면과 구조적 대응 필요성

Crowd스트라이크는 분산된 사건과 신호를 서로 연결하기 위한 전략을 연구하고 있지만, 마이어스는 현재 관측 가능한 탐지 표면 자체가 제한적이라고 지적했다. 웜의 전체 활동 중 실제로 분석 가능한 원격 측정 신호를 만드는 부분이 많지 않아, 정상 행동과 악성 행동을 가려내는 작업에는 큰 부담이 따른다. AI 기반 소프트웨어 개발이 빠르게 확산되는 상황에서는 개별 보안 주체의 노력만으로 이 문제를 해소하기 어렵다는 것이 그의 설명이다. 그는 생태계의 모든 참여자가 협력해 구조적인 해결책을 마련할 필요가 있다고 강조했다. 기사는 특정 탐지 규칙이나 단일 보안 제품을 해법으로 제시하기보다, AI 개발 체계에서 발생하는 관측성과 판별 문제 자체를 공동으로 다뤄야 한다는 결론을 제시한다.

🧾 핵심 주장 / 시사점

이 웜의 공격 주체는 아직 확인되지 않았으므로, 기사에서 언급된 팀PCP나 북한계 조직을 이번 활동의 배후로 단정해서는 안 된다.
문제의 중심은 보안 신호가 전혀 없는 것이 아니라 정상적인 AI 개발 자동화와 악성 활동의 신호가 겹친다는 데 있으며, 시간 지연은 여러 사건의 인과관계 파악까지 어렵게 만든다.
AI 개발 도구 간 신뢰 관계와 자격 증명이 공격의 주요 경로가 되면서, 공급망 참여자들이 관측 가능한 신호를 연결하고 정상·악성 행동을 구분할 구조적 방법을 함께 마련해야 할 필요성이 커지고 있다.