[이슈체크] AI로 은행 뚫은 해커, 중국 광둥성 26세 추정…개인정보 탈취에 ''단 6분'' 걸렸나?!

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

AI로 금융기관을 공격한 인물은 중국 광둥성의 26세로 추정될 뿐이며, 개인정보 탈취에 걸린 ‘6분’은 실제 사건의 확인된 소요 시간이 아니라 숭실대의 가상 시스템 재현 실험 결과다.

📌 핵심 요점

1. 공격 관련 서버에서 발견한 AI 대화 기록이 신원 추정의 단서가 됐다. 이력서 작성 요청에 나이와 거주지 등이 남아 있었지만, 경찰이 실제 공격자를 특정한 단계는 아니라고 설명한다.
2. AI를 활용한 공격은 기존 취약점을 더 넓고 빠르게 탐색할 수 있다. 출연자는 금융권을 넘어 보안에 충분히 투자하지 못한 중소기업·병원·학교로 피해가 확대될 가능성을 우려한다.
3. 영상에서 ‘아르텍스’로 소개한 도구는 언어모델과 기존 해킹 도구를 연결해 탐색·계획·실행·결과에 따른 재계획을 자동화한다. 사건에서는 딥시크 사용이 언급됐지만, 도구 자체는 여러 모델을 연결할 수 있다고 설명한다.
4. 숭실대 연구진은 사건과 유사한 취약점을 넣은 격리된 가상 시스템에 가짜 개인정보 100건을 저장했다. 출연자에 따르면 명령부터 데이터 획득까지 6분이 걸렸으며, 별도의 방어 실험에서는 취약점을 1분 만에 찾았다.
5. 대응의 핵심은 허가된 환경에서 AI로 취약점을 점검하고 신속히 보완하는 것이다. 개인은 유출 정보와 합성 얼굴·목소리를 결합한 사기에 대비해, 상대가 개인정보를 알고 있거나 익숙한 모습으로 나타나도 진위를 의심해야 한다.

🧩 배경과 문제 정의

금융기관을 대상으로 한 AI 활용 해킹과 공격자의 신원 추정이 대담의 출발점이다. 최대선 숭실대 AI대학장 겸 AI안전성연구센터장은 서버 조사와 AI 대화 기록이 추적 단서가 된 과정을 설명하고, 공격 자동화가 보안이 취약한 기관으로 확산될 가능성을 짚는다.

핵심 문제는 AI가 기존 해킹 도구와 취약점 탐색 절차를 연결해 공격의 실행 부담을 낮춘다는 점이다. 대담은 같은 기술을 방어에 활용하는 방법, 숭실대의 가상 환경 실험과 취약점 분석 연구, 개인정보 유출 이후 개인이 경계해야 할 사기까지 다룬다. 제목의 ‘6분’은 이 가운데 연구진의 재현 실험에서 나온 수치다.

🕒 시간순 섹션별 상세정리

1. 공격자 추정의 단서와 수사의 한계

• 금융기관 AI 해킹 공격자가 중국 광둥성에 사는 26세 인물일 수 있다는 분석을 보여준다. 공격 관련 서버의 외부 조회 가능 파일에서 홍콩 서버 주소를 찾고, 해당 서버에서 AI 대화와 공격 도구 설정 정황을 확보했다고 보여준다. [01:09]
• AI에 이력서를 써 달라고 요청한 기록에 나이·거주지·기술 정보가 남아 있어 신원 추정의 근거가 됐다. 다만 경찰이 실제 공격자를 특정하거나 확인한 단계는 아니라고 짚어 본다. [01:51]
• 홍콩의 명령 서버는 다른 지역에서도 원격으로 운영할 수 있다. 추가 추적·증거 확보·검거가 필요하며, 국제 사법 공조 없이는 쉽지 않을 것으로 본다. [02:29]

2. 금융권 피해와 공격 대상의 확대

• 금융사 7곳의 정보 유출 보도가 언급되고, 다른 기관들의 피해 조사가 진행 중이어서 추가 피해가 드러날 수 있다고 보여준다. 전사의 피해 인원 표기는 불완전하다. [02:59]
• 출연자는 AI 활용 공격이 보편화되기 시작했고 기존 취약점도 남아 있어 유사 사고가 늘어날 것으로 예상한다. 중소기업·병원·학교처럼 보안에 충분히 신경 쓰지 못한 곳을 특히 우려한다. [03:56]
• 사람이 수작업으로 가치가 높은 대상을 고르던 방식과 달리, AI 에이전트는 탐색 범위를 넓혀 더 많은 취약한 대상을 찾을 수 있다고 보여준다. [04:34]

3. 침투 테스트 도구의 자동화 구조

• 영상에서 ‘아르텍스’로 소개하는 AI 보안 도구는 언어모델에 해킹 관련 절차를 결합하고, 필요할 때 기존 해킹 소프트웨어도 호출하는 에이전트 형태로 드러난다. [05:25]
• 실행 결과를 바탕으로 다시 계획하고 다음 시도를 이어 가는 과정을 자동화한다. 목표를 지시하면 이후 절차를 도구가 수행한다는 점이 핵심이다. [05:46]

4. 모델 교체와 격리된 연구 환경

• 사건에서는 딥시크를 썼다는 설명이 나오지만, 출연자는 도구에 여러 모델을 연결할 수 있다고 드러낸다. 숭실대 실험은 격리된 환경에 내부 모델을 설치해 진행했다. [06:27]
• 도구가 오픈소스로 공개돼 있고 외부 서비스 모델이나 내려받아 장비에 설치한 로컬 모델을 연결할 수 있다고 보여준다. 연구진은 자체 장비에 설치한 모델로 실험했다. [07:05]

5. 가상 개인정보 탈취에 걸린 6분

• 실제 은행을 공격한 것이 아니라, 사건에서 언급된 취약점을 담은 은행 유사 가상 시스템을 만들었다. 연구진은 이 시스템에 가짜 개인정보를 저장하고 데이터 획득 실험을 했다. [07:53]
• 출연자에 따르면 명령부터 최종 데이터 획득까지 6분이 걸렸으며, 저장한 가상 개인정보는 100건이었다. 더 많은 데이터도 추출할 수 있다는 발언은 실제 추가 규모를 실험했다는 설명과 구분해야 한다. [08:12]
• 가상 시스템의 보안이 약했던 것 아니냐는 질문에 사건과 거의 동일한 조건을 가정했다고 답한다. 실험은 사건 이후 도구의 능력을 비교하기 위해 진행했다. [08:55]

6. 같은 기술을 방어에 활용하는 방법

• 취약점 진단 도구는 자신의 시스템을 점검하면 방어 수단이 되고, 허가받지 않은 타인의 시스템을 공격하면 공격 수단이 된다. 출연자는 사용 주체와 허가 여부가 중요하다고 보여준다. [09:51]
• 연구진은 다른 에이전트를 이용한 방어 실험도 함께 수행했으며, 취약점을 1분 만에 찾았다고 드러낸다. 작은 내부 모델로도 일정 수준의 진단은 가능하지만 고도화된 작업 전부를 처리할 수 있다는 뜻은 아니라고 보여준다. [10:50]
• 공격이 보편화되는 만큼 방어자도 같은 기술로 자주 점검하고, 발견한 문제를 빨리 고치는 활동을 적극적으로 해야 한다고 강조한다. [11:15]

7. 취약점 분석 시스템과 벤치마크 성과

• 숭실대가 개발한 시스템은 소프트웨어의 취약점을 분석해 해킹의 빌미를 미리 확인하는 AI 도구로 묶인다. 사이버 보안 능력을 비교하는 공개 벤치마크로 버클리대의 사이버짐을 언급한다. [12:07]
• 출연자는 시스템이 91점을 받아 제출 당시 마이크로소프트 에이전트와 잠시 공동 1위였다고 보여준다. 이후 다른 제출 결과의 점수가 올라 현재 순위는 내려갔다고 덧붙인다. [12:50]
• 연구실에서 만든 시스템을 계속 개선하면서 실제 도구로 활용할 수 있도록 개발하고 있다고 드러낸다. [13:07]

8. 기본 보안과 개인정보를 이용한 사기 대응

• 조직은 알려진 취약점을 미리 진단하고 보완해야 하며, 오래전부터 알려진 보안 수칙 가운데 제대로 지키지 못한 부분도 개선해야 한다고 드러낸다. [13:51]
• 개인에게는 정보가 이미 유출됐을 가능성을 염두에 두고, 상대가 자신의 정보를 잘 알고 전화를 걸어도 의심하라고 조언한다. [14:03]
• 보이스피싱과 사기는 개인정보·딥페이크·합성 음성을 함께 활용할 수 있다. 익숙한 목소리나 얼굴로 요청하더라도 가짜일 가능성을 생각해야 한다고 강조한다. [14:37]

9. 합성 얼굴·음성 예방 연구와 대담 마무리

• 센터는 딥페이크와 합성 음성을 사후 탐지하는 데 그치지 않고, 개인의 얼굴·목소리로 합성물을 만들지 못하게 하는 사전 예방 기술도 개발하고 있다고 보여준다. 향후 적용 가능성을 언급한 단계다. [14:59]
• 진행자는 안전을 높이기 위한 기술 발전과 AI 전문가들의 노력이 필요하다고 말하며 금융기관 AI 해킹 대담을 마무리한다. [15:17]

🧾 결론

• 공격자 신원 추정, 실제 금융기관 피해, 연구실 재현 실험은 서로 구분해서 읽어야 한다. 특히 ‘6분’은 실제 은행 침해 시간으로 확인된 수치가 아니다.
• AI는 기존 공격 절차를 자동화하는 동시에 방어 점검에도 활용할 수 있다. 같은 도구라도 사용 대상과 허가 여부에 따라 역할이 달라진다.
• 알려진 취약점을 미리 찾고 고치는 기본 보안 조치가 중요하다. AI 도입만으로 모든 취약점이나 고도화된 공격을 해결할 수 있다고 설명하지는 않는다.
• 유출된 개인정보는 딥페이크·합성 음성과 결합해 사기의 설득력을 높일 수 있으므로, 개인 차원의 확인 습관도 함께 필요하다.

📈 투자·시사 포인트

• AI 공격 자동화가 확산된다는 진단은 금융기관뿐 아니라 중소기업·병원·학교의 보안 점검 역량도 중요한 과제로 만든다.
• AI 보안 기술을 평가할 때는 공격 시연의 속도뿐 아니라 취약점 탐지, 실제 보완, 운영 환경 적용 가능성을 함께 살펴볼 필요가 있다.
• 숭실대 시스템의 벤치마크 91점과 일시적 공동 1위는 출연 당시 설명된 과거 성과다. 현재 경쟁력을 판단하려면 평가 시점과 이후 순위 변화를 구분해야 한다.
• 영상은 연구실 시스템을 실제 도구로 개발하는 단계와 합성 얼굴·음성의 사전 예방 연구를 소개한다. 상용화 성과나 특정 기업의 수익·주가 전망까지 제시하지는 않는다.

⚠️ 불확실하거나 확인이 필요한 부분

• 중국 광둥성 거주·26세라는 정보는 AI 대화 기록에 근거한 추정이다. 기록 작성자와 실제 공격자의 동일성, 거주지의 진위, 경찰의 최종 신원 확인은 영상에서 입증되지 않는다.
• 홍콩에 명령 서버가 있었다는 사실만으로 공격자가 홍콩에 있었다고 볼 수 없다. 출연자는 다른 지역에서도 인터넷으로 명령을 내릴 수 있다고 설명한다.
• ‘6분·100건 탈취’와 ‘1분 취약점 탐지’는 제한된 가상 환경의 실험 결과다. 실제 금융기관 전체에 같은 속도와 성공률을 적용할 근거는 제시되지 않는다.
• 자막 기반 정리: 타임스탬프가 있는 자막을 기준으로 정리했으며, 고유명사·수치·인용은 원문 확인 필요 시 별도 검증한다.
• 영상 속 주장: 발표자의 해석·전망·비교는 확인된 외부 사실이 아니라 영상 속 주장으로 분리해 읽는다.
• 검증 필요: 수치, 기업 실적, 정책·시장 전망은 발행 전 최신 자료로 별도 검증이 필요하다.

✅ 액션 아이템

• 사건을 요약하거나 공유할 때 공격자 정보에는 ‘추정’을 붙이고, ‘6분’에는 ‘가상 시스템 재현 실험’이라는 조건을 명시한다.
• 조직이 운영하는 시스템의 알려진 취약점을 점검하고, 발견한 문제를 신속히 보완한다.
• AI 기반 진단은 소유하거나 허가받은 시스템에서 수행하고, 탐지 결과가 실제 수정으로 이어지는지 확인한다.
• 기존 보안 수칙 가운데 지키지 못한 항목을 찾아 보완한다.

❓ 열린 질문

• AI 대화 기록의 작성자가 실제 공격자라는 점을 어떤 추가 증거로 확인할 수 있으며, 국제 사법 공조는 어느 단계까지 진행됐을까?
• 금융기관과 다른 피해 기관의 조사가 끝나면 실제 유출 규모와 공통 취약점은 어떻게 정리될까?
• 가상 환경의 6분 공격·1분 탐지 결과는 더 복잡한 운영 시스템에서 어느 정도 재현될까?