금융권 해킹사건! ''AI''때문이라구? 인재입니다! with. 김승주 고려대학교 정보보호대학원 교수ㅣ채상욱의 경제쇼｜KBS 261008 방송

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

금융권 해킹을 AI 탓으로만 돌리기보다, 막을 수 있었던 공격을 관리 부실로 막지 못한 인재라는 지적에 주목해야 한다.

📌 핵심 요점

1. AI 공격 증가와 개별 사건의 원인은 구분해야 한다. 신한은행 사건은 AI 관여 가능성이 높다는 평가지만, 다른 금융사 사건까지 AI 공격으로 단정할 근거는 부족하다. 공격 시도가 있었다는 사실도 정보 유출을 뜻하지 않는다.
2. AI가 바꾸는 것은 공격의 비용·규모·지속성이다. 기존과 비슷한 해킹 기법도 여러 에이전트와 AI를 조합하면 넓은 범위에서 지속적으로 실행할 수 있다. 개발·취약점 공격·판매처 탐색을 용도별 AI로 수행하면 공격에 필요한 인력과 비용이 줄어들 수 있다.
3. 관리에서 빠진 자산이 전체 보안의 약점이 된다. 금융권 부대 사이트, 통신사의 미등록 임시 저장 서버, 롯데카드의 업데이트가 누락된 데이터베이스는 장부와 실제 운영 자산의 불일치를 보여주는 사례로 제시됐다. 방문자가 많은 사이트만 점검하면 사각지대가 남는다.
4. 대응의 출발점은 전산자산 식별이며, 진단은 보완으로 이어져야 한다. 하드웨어·소프트웨어 목록, 버전, 업데이트 상태와 인터넷 연결 여부를 파악한 뒤 취약점을 진단하고 신속히 수정해야 한다. 기존 문제를 보고하면 문책받는 구조를 개선하기 위해 조사 기간과 면책을 함께 마련하자는 제안도 나왔다.
5. 상용 AI를 조합한 보안 역량과 보급 정책을 함께 봐야 한다. 방송은 국내에도 상용 AI·오픈소스를 활용한 진단 기술과 판매 기업이 있다고 소개했다. 중소기업의 비용 부담을 지원할 필요가 있지만, 전면 무료 보급은 기존 솔루션 기업의 매출과 개발 유인을 약화시킬 수 있다는 우려가 제기됐다.

🧩 배경과 문제 정의

• 금융사 해킹으로 고객 정보가 유출된 가운데, AI를 활용한 공격이 금융권을 넘어 산업계와 정부·공공 부문으로 확산될 수 있다는 우려가 커졌다.
• 신한은행 사건은 AI가 관여했을 가능성이 높다고 평가되지만, 다른 금융사 사건의 AI 관여 여부는 아직 확인되지 않았다. 개별 사건의 조사 결과와 AI 공격 빈도 증가를 구분해야 한다.
• 이번 사고의 핵심 원인으로는 방어 가능한 공격을 막지 못한 관리 부실이 지목된다. 주요 서비스에 비해 관리가 허술한 부대 사이트와 파악되지 않은 전산자산이 보안 사각지대를 만든다.
• AI가 공격 비용을 낮추고 공격 범위를 넓히면서, 전체 전산자산을 식별하고 취약점을 진단·보완하는 대응이 중요해졌다.

🕒 시간순 섹션별 상세정리

1. 금융사별 AI 관여 여부와 공격 증가를 구분해야 한다

• 신한은행 사건은 AI가 관련된 것으로 보이지만, 이후 발생한 다른 금융사 사건들은 AI 관여 여부가 확인되지 않아 추가 조사가 필요하다. 모든 금융사 해킹을 AI 공격으로 묶을 근거는 부족하다. [01:48]
• 정부는 AI를 이용한 공격 빈도가 증가했다는 점을 확인했다. 언론 보도상 인터넷 전문은행 K사와 T사처럼 공격을 방어한 곳도 있어, 공격 시도가 곧 정보 유출을 뜻하지는 않는다. [02:28]

2. 이번 침해는 막을 수 있었던 단순 공격이라는 평가다

• AI는 지정된 범위를 무차별적으로 공격하고, 탐지가 미흡하거나 침입이 가능한 지점을 만나면 자동으로 더 깊이 들어간다. 초기 대응의 성공 여부에 따라 개인정보 유출 여부가 달라진다. [03:26]
• AI의 공격 능력은 높아졌지만, 이번에 AI 공격으로 추정되는 은행 침해는 기상천외한 신기술보다 단순한 공격에 해당한다. 충분히 막을 수 있었는데 관리 부실로 방어하지 못했다는 점에서 인재라는 평가다. [04:01]

3. AI 해킹의 차이는 자동화와 지속적인 대규모 실행이다

• 사람과 AI가 사용하는 해킹 방식은 대체로 비슷하며, 가장 큰 차이는 사람이 직접 수행하느냐 자동으로 수행하느냐에 있다. AI는 축적된 컴퓨터·인터넷 공격 지식을 학습하고 코드 작성 능력을 공격에 활용한다. [05:10]
• AI는 지치지 않고 24시간 365일 공격을 지속할 수 있다. 에이전트를 100개, 200개, 300개씩 만들어 동원하면 사람보다 넓은 범위를 빠르게 공격할 수 있다. [06:38]

4. 보안 점검 도구와 AI를 결합한 공격 정황이 제시됐다

• 방송 전날 밤 공개된 보안업체 분석 보고서는 한국을 대상으로 한 공격 기법을 다뤘다. 보고서에서 언급한 ‘아텍스’는 본래 웹사이트의 취약점을 찾아 보완하도록 돕는 점검 도구지만, 공격에도 악용할 수 있다. [07:44]
• 아텍스에는 LLM이나 에이전트를 연결해 AI를 활용하는 기능이 내장돼 있다. 해당 분석에 따르면 공격자는 이 도구에 중국산 AI 딥시크를 연결해 한국 은행에 대한 공격을 시도했다. [08:45]

5. 공격자 신원과 금전적 동기는 추정 수준으로 남아 있다

• 보고서는 도구가 중국어로 구성돼 있다는 점을 근거로 공격자가 중국어를 잘 사용하는 사람일 가능성을 제시했다. 중국어 도구를 사용했다는 사실만으로 중국인이라고 단정할 수는 없다. [09:51]
• 경제적 이득을 노린 공격이라는 추정에는 공격자가 클로드에 한국에서 탈취한 개인정보를 어디에 팔 수 있는지 물었다는 정황이 근거로 제시됐다. 실제 판매가 이뤄졌다는 사실까지 확인된 것은 아니다. [10:18]

6. 여러 AI의 역할 분담이 공격 비용을 낮춘다

• 분석에 따르면 공격자는 프로그램과 도구 개발에 클로드 코드 환경에서 GLM과 그록을 사용했다. 취약점 공격에는 아텍스와 딥시크를 결합하고, 탈취 정보의 판매처 탐색에는 클로드를 활용하는 등 여러 AI를 용도별로 조합했다. [10:58]
• 공격과 판매를 여러 사람이 분담하던 작업을 한 사람이 다양한 AI로 수행할 수 있게 되면 공격 비용이 크게 낮아질 수 있다. 비용 하락은 앞으로 공격이 더 많이 발생할 가능성을 높인다. [12:20]

7. 인터넷뱅킹보다 관리가 약한 부대 사이트가 뚫렸다

• 이번 사건들은 인터넷뱅킹 등 메인 사이트보다 보험·대출 관리인 페이지 같은 부대 사이트에서 침해가 발생했다. AI가 금융기관의 여러 사이트를 두드리면서 상대적으로 관리가 약한 지점을 찾아 들어갔다는 설명이다. [13:04]
• 주요 사이트만 보호하고 부대 사이트를 방치하면 전체 보안이 유지되지 않는다. 웹사이트와 컴퓨터를 서로 다른 수준으로 관리하는 문제는 지난해 통신사와 롯데카드 사고에서도 지적됐다. [13:50]

8. 통신사 사고는 실제 망 연결과 미등록 서버를 드러냈다

• 통신사는 인터넷과 단절된 폐쇄망을 운영하고 개인정보를 암호화해 보관한다고 설명했지만, 정부 조사에서는 인터넷 연결 접점이 확인됐다. 조직이 실제 연결 구조를 파악하지 못하고 있었다는 문제다. [14:53]
• 조사에서는 개인정보를 불러온 뒤 일정 기간 임시 저장하는 서버 두 대도 발견됐다. 이 서버들은 관리대장에 없었으며, 암호화된 정보를 매번 풀어 읽는 번거로움을 줄이기 위해 사용됐다. [15:25]

9. 롯데카드 사고는 존재를 몰랐던 데이터베이스의 업데이트 누락과 연결된다

• 개인정보가 들어 있는 데이터베이스의 심각한 문제에 대해 전 세계적으로 업데이트 공지가 나왔지만, 롯데카드는 해당 업데이트를 하지 않았다. 사고 뒤에는 그 데이터베이스의 존재를 몰랐다는 설명이 나왔다. [15:57]
• 해당 데이터베이스는 사용 빈도가 낮은 중국 카드 관련 업무에 쓰였다. 다른 시스템은 업데이트하면서 이 시스템을 빠뜨려 정보가 유출됐고, 장부상 전산자산과 실제 운영 자산이 다르다는 문제가 드러났다. [16:33]

10. 전수조사 대책이 선별 점검에 그치면서 사각지대가 남았다

• 지난해 10월 범부처 종합대책은 각 부처 산하 기관의 전산자산을 전수조사해 관리 사각지대를 없애겠다는 목표를 제시했다. 금융당국도 261개 금융기관을 전수조사하겠다고 밝혔으며, 당시 부실 자산을 모두 찾아 조치했다면 이번 침해를 막았을 것이라는 평가다. [17:23]
• 언론에 보도된 금융당국 답변은 방문자가 많고 개인정보가 많이 들어 있는 사이트를 선별해 점검했다는 내용이었다. 결국 방문자가 적은 부대 사이트의 사각지대는 남았다. [18:08]

11. 공격 비용 하락으로 작은 사이트까지 보호해야 한다

• 보호하려면 먼저 자신이 어떤 자산을 갖고 있는지 알아야 하지만, 기업이 일부 전산자산의 존재 자체를 모르는 경우가 많다. 자산 식별이 보안 대응의 출발점이다. [19:33]
• 사람이 공격하던 때에는 인건비와 인력 확보 부담 때문에 정보와 수익이 큰 사이트를 골랐다. AI가 공격 비용을 낮추면 작은 사이트까지 무차별적으로 공격할 수 있어, 방문자 수에 따른 선별 보호만으로는 부족하다. [20:03]

12. 문책 위험은 전산자산 조사와 문제 보고를 위축시킨다

• 기관에 3~4개월을 주고 전산자산과 침해 흔적, 업데이트 상태를 조사하도록 해도, 문제를 보고하는 순간 문책받을 수 있다. 전임자가 남긴 관리 부실을 현재 담당자가 책임져야 한다면 적극적인 조사와 보고가 어려워진다. [21:53]
• 일정한 조사 기간과 함께 발견한 문제에 대한 면책을 제시해야 자산 파악을 유도할 수 있다는 제안이다. 현황이 제대로 드러나지 않으면 효과적인 대책도 세우기 어렵다. [22:51]

13. 기존 관리 부실을 정리하려면 법적 면책과 상위 조정이 필요하다

• 국내의 빠른 IT화 과정에서 누적된 기존 시스템의 관리 부실을 현재 담당자에게 모두 책임지게 하면 조사 참여가 위축될 수 있다. 이런 문제를 드러내기 위해 면책 조항이 필요하다는 주장이다. [24:14]
• 면책을 마련하려면 개인정보보호법·정보통신망법·신용정보법 등 여러 법률을 다뤄야 한다. 총리나 대통령 차원의 조정 없이는 면책을 포함한 국가 차원의 일제 점검이 쉽지 않을 것이라는 전망이다. [24:33]

14. 여러 상용 AI를 조합하면 고성능 취약점 진단이 가능하다는 주장이다

• AI 성능이 비약적으로 높아지면 모든 부대 사이트를 메인 사이트 수준으로 관리하더라도 방어가 무력화될 가능성은 있다. 다만 김승주 교수는 미토스급 해킹 탐지 도구가 국내에서도 이미 시판되고 있다고 보여준다. [25:42]
• 범용 AI 하나의 성능과 해킹 능력이 반드시 비례하지는 않는다는 설명이다. 여러 유료 AI를 조합해 미토스 이상의 성능을 낸 연구 결과가 있고, 국내에서도 이를 활용한 자가진단 도구가 판매되고 있다는 주장이다. [26:13]

15. 자산 식별과 AI 자가진단을 실제 보완으로 연결해야 한다

• 특정 업무에 적합한 AI를 선택하고 연결하는 ‘하네싱’이 중요하다는 설명이다. 독자 파운데이션 모델이 없어도 현재의 상용 기술로 미토스에 대응할 자가진단 도구를 만들 수 있다는 판단이다. [28:21]
• 대응 순서는 전수조사로 사각지대를 찾고, 성능 좋은 진단 도구로 점검한 뒤, 문제가 있는 부분을 신속히 업데이트하는 것이다. 이런 준비가 향후 미토스 같은 기술의 상용화에 대비하는 방안으로 제시됐다. [28:52]

16. 중소기업의 보안 비용 지원과 무상 보급의 한계

• 중소기업도 보유 자산을 파악하고 국내 시판 도구로 자가진단을 해야 하지만, 비용을 감당하기 어려운 기업을 위한 지원책이 필요하다. [30:23]
• 해커가 탈취한 정보로 돈을 버는 방법까지 AI에 묻고, 낮아진 비용으로 공격을 확대할 수 있다는 우려가 제기된다. 소규모 기업이 모든 영역을 철저히 방어하기는 어렵다. [31:03]

17. 국제 대회 성과와 상용화로 확인된 국내 AI 보안 역량

• AI로 해킹을 자동화할 수 있다는 의미 있는 연구 결과는 2005년에 나왔다. 10년 전 미국의 사이버 그랜드 챌린지에서 우승한 카네기멜런대 팀도 그 대학에 유학하던 한국 학생이 만든 기술을 사용했다. [33:02]
• 작년 미국 정부가 연 LM 기반 해킹 대회에서는 한국인이 주축인 팀들이 1등과 3등을 차지했다. 이들은 미토스 같은 AI가 아니라 유료 상용 AI나 오픈소스를 활용했다. [33:31]

18. 보급 실적 중심 정책의 위험과 사고 재발 방지 조건

• 독자 파운데이션 모델 지원이 정부 영역과 중소기업 지원을 넘어 전면 무료 보급으로 확대되면 기존 기업의 경쟁력이 약해질 수 있다. 이는 확정된 정책에 대한 설명이 아니라, 그런 정책이 나올 가능성에 대한 사전 경고다. [34:16]
• 정부가 AI 정책의 성과를 이용 기관·기업 수로 평가하면 보급 대상을 계속 늘리려는 유인이 생긴다. 이러한 실적 확대가 기존 시장을 교란할 수 있다는 우려가 있다. [34:54]

🧾 결론

• 이번 침해는 신기술 때문에 불가피했다기보다, 방어 가능한 공격을 관리 부실로 막지 못했다는 평가가 핵심이다.
• AI로 공격 비용이 낮아지면 작은 사이트도 공격 대상이 될 수 있으므로, 방문자 수에 따른 선별 점검만으로는 부족하다.
• 재발 방지는 전산자산 전수조사, 취약점 진단, 업데이트를 실제로 실행하고 문제를 드러낼 수 있는 보고 환경을 만드는 데 달려 있다.

📈 투자·시사 포인트

• 보안 수요를 볼 때는 도입 이후의 실행을 확인해야 한다. 자산 식별과 취약점 진단의 필요성이 커지더라도, 비용 부담과 실제 보완 여부가 도구 활용의 제약으로 남는다.
• 국내 보안기업의 기술 사업화와 정책 영향을 함께 점검필요가 있다. 방송은 국제 대회 성과와 상용화 사례를 소개했지만, 전면 무료 보급이 추진되면 기존 기업의 매출과 개발 유인이 약해질 수 있다고 경고했다.
• 기업의 보안 관리에서는 실제 운영 자산의 파악 여부가 중요하다. 부대 사이트와 미등록 시스템까지 조사하고 업데이트하는지 확인해야 주요 서비스 밖의 위험을 평가할 수 있다.
• 정책 성과는 보급 건수만으로 판단하기 어렵다. 조사 사각지대를 없애고 발견한 취약점을 수정하는 실행이 뒤따르는지 살펴볼 필요가 있다.

⚠️ 불확실하거나 확인이 필요한 부분

• 신한은행 사건의 AI 관여는 가능성이 높다는 평가이며, 다른 금융사 사건의 AI 관여 여부는 추가 조사가 필요하다. 사건별 조사 결과를 확인해야 한다.
• 중국어 도구 사용만으로 공격자의 국적을 단정할 수 없다. 탈취 정보 판매처를 AI에 물었다는 정황도 실제 판매 완료를 입증하지는 않는다.
• 여러 상용 AI를 조합해 미토스 이상의 성능을 냈다는 연구와 국내 진단 도구의 성능은 방송에서 소개된 주장이다. 구체적인 평가 조건과 적용 범위를 확인필요가 있다.
• 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

• 금융사별 공식 조사 결과를 확인하고 AI 관여 가능성, 공격 시도, 실제 정보 유출을 구분해 기록한다.
• 부대 사이트·서버·데이터베이스를 포함한 실제 운영 자산을 조사하고 관리대장과 대조한다.
• 소프트웨어 버전, 업데이트 상태, 인터넷 연결 여부를 확인하고 진단에서 발견한 취약점을 신속히 보완한다.
• 조사 담당자가 기존 문제를 적극적으로 보고할 수 있도록 조사 기간과 면책 방안의 적용 조건을 검토한다.

❓ 열린 질문

• 전수조사를 약속한 대책이 선별 점검에 그친 이유는 무엇이며, 실제 운영 자산을 빠짐없이 파악했는지 어떻게 검증할 수 있을까?
• 기존 관리 부실을 드러내도록 유도하면서 책임도 확보하려면 조사 면책의 범위와 조건을 어떻게 정해야 할까?
• 중소기업의 보안 비용을 줄이면서 국내 솔루션 기업의 매출과 개발 유인을 유지할 지원 방식은 무엇일까?