생성형 AI의 활용 범위가 사이버 보안 영역에서도 빠르게 확대되고 있다. 코드 작성이나 정보 검색을 넘어 여러 AI Agent가 역할을 나눠 자산을 탐색하고 취약점을 식별·검증하는 등 침투 테스트 과정을 자동화하는 도구도 등장하고 있다.
최근 주목받고 있는 ARTEX도 이러한 흐름을 보여주는 사례다. ARTEX는 LLM(Large Language Model)을 기반으로 여러 AI Agent가 침투 테스트 과정에 참여하는 오픈소스 프레임워크다.
AhnLab SEcurity intelligence Center(ASEC)는 지난 10월 1일, ARTEX의 기능뿐 아니라 실제 인터넷에 노출된 관련 인프라를 추적하여, 보고서를 발행했다. 이 분석에 따르면 ARTEX 인스턴스가 호스팅된 약 600개의 추가 IP를 확인했으며, 일부 인프라에서는 또 다른 AI 기반 공격 보안 플랫폼인 CyberStrikeAI가 함께 운영되는 사례도 확인했다.
이번 글에서는 ASEC 분석을 바탕으로 ARTEX가 어떤 도구인지, 관련 인프라에서 무엇이 확인됐는지, 그리고 AI 기반 공격 자동화가 사이버 위협 환경에 어떤 변화를 가져올 수 있는지 살펴본다.
[관련 기사]
[이슈 분석] 금융권 공격서 포착된 ‘ARTEX AI’… 분석 결과 14개 국가·지역서 ARTEX 관련 고유 IP 359개 발견돼 - 데일리시큐
[긴급] 금융당국, 잇단 금융권 침해사고에 긴급회의…“대응 소홀로 재발하면 엄중 책임” - 데일리시큐
[이슈 진단] ARTEX로 금융권 광범위 공격, 무신사·강남언니·신한은행까지…AI가 파고든 ‘API 권한검증’ 허점 - 데일리시큐
여러 AI Agent가 침투 테스트를 수행하는 ARTEX
ARTEX는 GitHub 사용자 Autumn-27이 공개한 오픈소스 LLM 기반 자율 침투 테스트 프레임워크다.
다수의 AI Agent가 역할을 나눠 자산 탐색, 취약점 식별 및 검증 등 침투 테스트 과정을 계획하고 수행하도록 설계됐다. 필요에 따라 사용자가 실행 과정에 개입할 수도 있다.
ARTEX 자체를 악성 도구로 볼 수는 없다. 공개 오픈소스 프로젝트이기 때문에 정상적인 보안 연구와 침투 테스트에도 활용할 수 있다.
다만 주목해야 할 점은 LLM과 AI Agent가 기존 보안 도구 및 공격 기술과 결합하면서 침투 테스트의 여러 단계를 자동화할 수 있다는 것이다.
ASEC가 확인한 약 600개의 ARTEX 관련 IP
ASEC는 ARTEX의 특징을 바탕으로 인터넷에 노출된 관련 인프라를 추적했다.
ARTEX 인스턴스가 호스팅된 IP를 시작점으로 연관 인프라를 분석한 결과 약 600개의 추가 IP 주소를 확인했다.
다만 확인된 IP 전체를 공격 인프라로 판단해서는 안 된다. ARTEX는 누구나 구축할 수 있는 공개 오픈소스 프로젝트이므로 정상적인 보안 연구 및 테스트 환경이 포함됐을 가능성도 있다.
따라서 개별 IP의 존재만으로 위협 여부를 판단하기보다 어떤 도구가 함께 운영되고 있는지, 주변 인프라와 어떤 연관성이 있는지, 실제 위협 활동으로 이어지는지 등 맥락을 함께 분석하는 것이 중요하다.
ARTEX와 함께 발견된 CyberStrikeAI
ASEC는 ARTEX 관련 인프라를 분석하는 과정에서 또 하나의 특징을 확인했다. 동일 IP에서 ARTEX와 CyberStrikeAI의 서비스가 함께 노출된 사례도 다수 확인됐다.
CyberStrikeAI 역시 AI를 기반으로 한 오픈소스 공격 보안 플랫폼이다. 자산 탐색을 비롯해 보안 도구 및 워크플로 자동화, 공격 체인 분석, WebShell 및 C2(Command & Control) 관리 등의 기능을 제공한다.
ASEC 분석 과정에서는 두 프로젝트가 중국권 보안 커뮤니티를 중심으로 공유·확산되고 있는 정황도 확인됐다.
다만 동일한 IP에서 두 플랫폼이 발견됐다는 사실만으로 특정 공격 조직이나 동일한 위협 행위자가 운영한다고 단정할 수는 없다.
중요한 것은 서로 다른 AI 기반 공격 보안 플랫폼이 실제 인터넷 인프라에서 함께 운영되는 사례가 관찰되고 있다는 점이다.
ARTEX가 보여주는 AI 기반 공격의 변화
ARTEX 사례에서 주목해야 할 것은 특정 도구 하나가 아니다. AI가 사이버 공격 과정에서 담당할 수 있는 역할이 확대되고 있다는 변화다.
LLM은 단순한 코드 작성이나 정보 검색을 넘어 공격 계획 수립, 보안 도구 선택과 실행, 결과 분석, 작업 상태 유지, Agent 간 정보 공유 등 공격 과정의 여러 단계에 활용될 수 있다.
아직 AI가 숙련된 공격자의 판단을 완전히 대체하는 단계는 아니다. 하지만 개별 공격 단계에서 요구되는 전문 지식과 반복 작업을 AI가 지원한다면 공격에 필요한 기술적 숙련도를 낮출 가능성이 있다.
비숙련 공격자에게는 공격의 진입장벽을 낮추고, 숙련된 공격자에게는 자동화를 통해 공격 속도와 규모를 확대하는 수단이 될 수 있다는 의미다.
중요한 것은 ARTEX라는 하나의 도구가 아니라, AI가 공격의 기술적 진입장벽을 낮추고 있다는 변화다.
개별 도구보다 ‘연결된 위협’을 봐야 한다
ARTEX와 같이 정상적인 보안 연구와 공격에 모두 활용될 수 있는 이중용도(Dual-use) 도구는 단순히 특정 시스템에서 발견됐다는 사실만으로 위협 여부를 판단하기 어렵다.
따라서 새로운 공격 도구의 등장 여부뿐 아니라 어디에서 운영되고 있는지, 어떤 인프라 및 도구와 연결돼 있는지, 실제 위협 활동으로 이어지고 있는지를 지속적으로 추적하는 것이 중요하다.
특히 AI를 통한 공격 자동화가 확대되면 공격자는 기존 도구와 기술을 더 빠르게 조합해 활용할 수 있다. 이에 대응하기 위해서도 개별 IOC를 확인하는 것을 넘어 인프라와 행위, 도구 간의 연관 관계와 맥락을 함께 분석하는 Threat Intelligence가 필요하다.
개인정보 유출 이후 2차 공격도 주의
최근 개인정보 및 계정정보 유출 사고가 이어지면서 유출된 정보를 악용한 피싱·스미싱 등 2차 공격에도 주의가 필요하다.
공격자는 이름, 전화번호, 이메일 등의 정보를 활용해 실제 기관이나 기업을 사칭하고, ‘개인정보 유출 확인’, ‘피해 보상’, ‘계정 보호’ 등을 미끼로 가짜 홈페이지 접속이나 악성 앱 설치를 유도할 수 있다.
안랩은 개인정보 유출 사고 이후 발생할 수 있는 2차 피해 예방을 위해 의심스러운 링크 클릭 금지, 공식 채널을 통한 사실 확인, 계정별 비밀번호 변경 및 MFA 적용 등 주요 대응 수칙을 안내하고 있다.
AhnLab TIP에서 확인하는 ARTEX 위협 인텔리전스
ASEC는 ARTEX와 같은 새로운 AI 기반 도구뿐 아니라 관련 인프라와 위협 활동을 지속적으로 추적·분석하고 있다.
이번 분석에서 확인된 ARTEX 호스팅 IP 등 관련 IOC는 AhnLab TIP에서 확인할 수 있다.
AhnLab TIP에서는 IOC를 비롯해 위협 행위자, 공격 캠페인, 악성코드, 취약점 및 관련 인프라 등 다양한 Threat Intelligence를 제공한다. 이를 통해 개별 위협 정보를 확인하는 것을 넘어 서로 다른 정보의 연관성과 위협의 맥락을 파악할 수 있다.
AI가 공격의 속도와 자동화 수준을 높이면서 사이버 위협 환경 역시 빠르게 변화하고 있다.
새로운 공격 도구를 아는 것에서 그치지 않고 관련 인프라와 위협의 연결고리를 지속적으로 추적하는 것. 빠르게 변화하는 공격 환경에서 Threat Intelligence가 필요한 이유다.
[AhnLab TIP 자세히 알아보기]
[AhnLab TIP 무료 체험하기]
