보안

AI가 공격하는 초고속 시대, 방어의 진짜 핵심은 '브레이크'? 통제된 자율성이 이끄는 보안 3.0

최근 생성형 AI와 자율형 에이전트(Agentic AI) 기술이 급격히 발전하면서 사이버 위협 지형은 전례 없는 대격변을 맞이하고 있다. 공격자들은 AI를 활용해 악성코드 제작, 취약점 탐색, 피싱 공격 과정을 자동화하며 머신 속도로 타깃을 정밀 공격하고 있다.

반면 이를 막아내야 하는 방어 측의 현실은 여전히 수동 조사와 파편화된 매뉴얼 작업에 의존하고 있다. 최근 개최된 글로벌 보안 콘퍼런스 'GovWare 2026'이 제시한 "Anchored in Unchanging Principles: Cyber at Agentic Velocity(변하지 않는 원칙에 뿌리를 두고, 에이전트 속도의 사이버에 대응하다)"라는 메인 슬로건처럼, 전 세계 보안 업계의 고민은 명확하다. 공격은 초고속 AI의 속도로 진화하는데 방어는 사람의 속도에 머물러 발생하는 심각한 'Security Gap(보안 간극)'을 어떻게 메울 것인가하는 점이다.

이러한 보안 간극을 극복하기 위해 안랩(AhnLab)이 제시하는 'AI 네이티브 보안 전략'과 아시아·태평양 사이버 방어 현장에서 입증된 차세대 대응 체계의 핵심을 다각도로 분석해 드린다.

F1 머신이 초고속으로 달릴 수 있는 진짜 이유: '통제된 자율성'

F1 레이싱카가 트랙 위에서 시속 300km가 넘는 초고속으로 안전하게 달릴 수 있는 진짜 이유는 폭발적인 엔진 성능뿐만 아니라, 이를 완벽하게 제어하는 정밀한 브레이크와 안전장치가 존재하기 때문이다. AI 기반 보안 운영 역시 마찬가지이다. AI의 자율성과 자동화 수준을 극대화하려면 완벽하게 제어된 통제 장치가 필수적으로 전제되어야 한다.

"고속주행이 필수인 F1 경주에 안전장치가 있는 것처럼, 인공지능(AI) 역시 적절한 통제 장치를 갖춰야 자동화와 자율화 수준을 높일 수 있습니다."

만약 자율화된 AI 에이전트가 경계 없이 임의로 판단하고 대응 조치를 실행한다면 어떻게 될까? AI의 환각(Hallucination)이나 오탐으로 인해 기업의 필수 핵심 서비스 서버가 격리되거나 임직원 계정이 차단되는 치명적인 비즈니스 중단 리스크가 발생할 수 있다.

따라서 AI에게 무제한의 권한을 위임하는 것이 아니라, 명확한 정책, 권한 범위, 가드레일, 그리고 감사 추적 체계를 설정하고 모니터링하는 '통제된 자율성(Controlled Autonomy)' 거버넌스가 AI 보안 시대의 핵심 원칙으로 부상하고 있다.

5.4배 폭증한 보안 경보, 'AI SOC'와 2.5PB 데이터가 제시하는 해법

사이버 위협의 속도가 빨라지면서 보안 담당자들이 처리해야 할 데이터는 한계 상황에 도달했다. 안랩의 보안관제(MSS) 및 MDR 서비스 데이터에 따르면, 2022년 1분기부터 2026년 2분기까지 18개 분기 동안 관제 티켓 수량이 무려 5.4배 폭증했다. 인력 증원만으로는 이처럼 폭발적으로 늘어나는 보안 이벤트를 감당하는 것이 불가능해진 셈이다.

안랩은 이러한 한계를 극복하기 위해 통합 브랜드 '안랩 AI 플러스(AhnLab AI PLUS)'를 중심으로 'AI PLUS 엔드포인트(EPP+EDR SaaS)'와 'AI PLUS 섹옵스(SecOps: XDR+MDR+AI SOC)'라는 이중 플랫폼 체계를 구축했다. 특히 복수의 AI 에이전트가 협업하여 위협을 판단하는 'AI SOC'는 단순한 구상이 아닌 거대한 연산 인프라를 기반으로 작동한다.

강력한 데이터 인프라 스펙: 2.5PB 이상의 보안 데이터, 13종의 보안 특화 AI 모델, 60여 개의 보안 업무 도구를 바탕으로 월 500억 개 이상의 토큰과 1억 9,000만 건 이상의 보안 객체를 정밀 처리한다.
인지 (SEE): 엔드포인트, 네트워크, 클라우드에 분산된 파편화된 로그와 경보를 단일한 보안 맥락(Context)으로 통합 연결한다.
판단 (DECIDE): 보안 특화 AI 모델이 위협의 의도와 영향 범위를 종합 추론하여 우선순위를 정렬하고 분석 보고서를 자율 생성한다.
대응 (ACT): 최적의 플레이북(Playbook)을 도출하고 정밀하게 설정된 정책 가드레일에 따라 단계별 방어 조치를 실행한다.

실제로 안랩이 AI SOC 체계를 관제 현장에 적용한 결과, 보안 경보 분류 및 초기 분석 시간이 기존 5분에서 2분으로 약 60% 단축되는 압도적인 성과를 거두었다.

AI가 모든 것을 판단해도, 마지막 '스위치'는 사람이 누르는 이유

이처럼 AI가 기계의 속도로 대규모 데이터를 처리하며 위협을 추론하더라도, 왜 결정적인 순간에는 마지막 '스위치'를 사람이 직접 누르는 거버넌스가 필요할까?

아무리 뛰어난 AI라 할지라도 조직의 비즈니스 맥락과 현실적인 운영 환경을 100% 이해할 수는 없기 때문이다. 이에 안랩은 AI의 자율적 추론 능력을 극대화하면서도 핵심 의사결정에는 사람의 검증을 거치는 '휴먼 인 더 루프(Human in the Loop)' 체계를 필수 원칙으로 정립했다.

AI 자율 수행 영역 (업무 영향도 낮음): 단순 악성 IP/URL 차단, 유해 파일 격리, 정기 보고서 생성 등 사전 정의된 정책 내의 명확한 위협 대응
사람 승인 필요 영역 (업무 영향도 높음): 핵심 DB 및 생산 서버 네트워크 격리, 주요 임직원 계정 일괄 블록 등 비즈니스 연속성에 영향을 미치는 고위험 대응 조치

AI가 위협을 판단한 근거와 시나리오별 '예상 영향도'를 명확히 제시하면, 보안 담당자는 이를 검증한 뒤 최종 승인 스위치를 누른다. 이를 통해 대응의 속도감과 비즈니스 안정성을 동시에 확보하는 조건부 자율성을 완성한다.

단편적인 '흔적' 찾기에서 공격자의 '의도 추론'으로: 보안의 세 번째 언어

사이버 방어의 패러다임은 기술의 진화에 따라 명확한 3단계 변화를 거치고 있다.

시그니처 (Signature): 알려진 악성코드 파일 해시나 IP 등 단편적인 '흔적' 탐지
행동 (Behavior): 시스템 내 이상 행위 및 침해지표(IoC) 포착
추론 (Reasoning - 보안 3.0): 분산된 텔레메트리를 연결해 공격자의 맥락(Context)과 의도를 해석

공격자들은 탐지를 우회하기 위해 정상 도구를 악용하는 파일리스(Fileless) 공격과 TTPs(전술·기법·절차) 변종을 적극 활용하고 있다. 이에 따라 단편적인 IoC 피드 전달을 넘어 전체 공격 맥락을 해석하는 차세대 CTI(Cyber Threat Intelligence)의 역할이 승패를 가르는 요소가 되었다.

안랩의 위협 인텔리전스 플랫폼인 '안랩 TIP(ATIP)'는 글로벌 위협 정보와 아시아·태평양 지역 특화 공격 그룹의 TTPs, 그리고 Sigma Rule 및 위협 맥락을 EDR/XDR 플랫폼에 자동 연결한다. AI는 이 입체적인 데이터를 바탕으로 공격자의 다음 행수를 예측하는 '보안의 세 번째 언어(추론)'를 구사하며 방어의 정밀도를 끌어올린다.

AI와 인간이 공존하는 사이버 방어의 미래

사이버 위협의 속도가 기계화되는 시대에 보안 플랫폼의 혁신은 거스를 수 없는 대세이다. 안랩이 3년간 1,000억 원 규모의 인프라 및 R&D 투자를 단행하며 'AI-네이티브 보안 플랫폼 기업'으로의 체질 개선을 선언한 이유도 방어의 속도를 초고속 AI 수준으로 끌어올리기 위함이다.

기술 혁신의 궁극적 목표는 결코 인간을 보안 현장에서 소외시키는 것이 아니다. 대용량 데이터의 수집과 반복적인 분석 업무를 AI 에이전트가 전담해 줄 때, 사람은 비로소 최종 승인, 고위험 위협 헌팅, 보안 정책 설계와 같은 고가치의 전략적 의사결정에 집중할 수 있게 된다.

AI의 속도로 무장한 초고속 공격 환경이 눈앞에 다가왔다. 여러분의 조직은 속도를 제어하고 비즈니스를 안전하게 지켜낼 '통제된 자율성'의 브레이크를 준비하고 있는가?