Astelia CEO 겸 공동 창업자 Alon Noy – 인터뷰 시리즈

Alon Noy는 Astelia의 CEO 겸 공동 창업자로, 공격 보안과 방어 보안을 아우르는 분야에서 15년 넘게 경력을 쌓은 사이버 보안 전문가다. 그는 이스라엘 8200부대에서 복무한 뒤 이스라엘 국가 사이버보안 레드팀을 이끌었다. 이 과정에서 핵심 기반 시설의 복원력을 시험하고, 보안팀과 협력해 실제 공격 경로를 식별하고 대응하는 업무를 수행했다. Noy는 대규모 연구개발 조직도 운영했으며, 이스라엘 탈피오트 프로그램을 졸업하고 텔아비브 대학교에서 컴퓨터과학 석사(M.Sc.) 학위를 받았다. 공격자와 방어자 양쪽의 관점에서 활동한 경험은 조직 환경에서 실제로 접근 가능하고 악용될 수 있는 취약점이 무엇인지 파악하는 데 중점을 둔 Astelia의 접근 방식을 만드는 데 기여했다.

Astelia는 노출 관리와 취약점 관리에 주력하는 AI 네이티브 사이버 보안 기업이다. 이스라엘 국가 레드팀의 베테랑과 전직 리더들이 설립한 이 회사는 일반적인 심각도 점수에 주로 의존하는 대신, AI와 네트워크별 분석을 활용해 실제 공격 경로가 될 수 있는 취약점을 가려낸다. 이 플랫폼은 읽기 전용 연동을 통해 조직의 환경을 파악하고, 네트워크 토폴로지를 바탕으로 익스플로잇에 필요한 조건을 분석한다. 또한 보안팀이 실제로 접근 가능한 것으로 확인된 취약점의 우선순위를 정하고, 패치 적용, 구성 변경, 네트워크 분할, 보완 통제 등의 해결 방안을 찾도록 돕는다. 회사의 더 큰 목표는 기업이 조사해야 하는 취약점 경보를 줄이고, 공격자가 현실적으로 악용할 수 있는 노출 요소에 자원을 집중하도록 지원하는 것이다.

Astelia를 창업하기 전, 이스라엘 국가 안보 분야에서 10년 넘게 일하며 8200부대에서 복무하고 이스라엘 국가 사이버보안 레드팀을 이끌었습니다. 그곳에서는 공격자처럼 생각하고 행동해야 했죠. 이런 경험을 통해 정교한 공격이 실제로 어떻게 전개되는지 무엇을 알게 되었으며, 결국 Astelia를 공동 창업하게 만든 사이버 보안 시장의 공백은 무엇이었나요?

10년 넘게 제 업무는 사실상 침입하려는 사람의 입장에서 생각하는 것이었습니다. 침입을 막으려는 사람의 입장이 아니라요. 그 경험에서 얻은 가장 분명한 교훈은 정교한 공격이 벽에 난 하나의 거대한 구멍으로 이루어지는 경우는 거의 없다는 것입니다. 대개는 각자 따로 보면 중요하지 않다고 여긴 두세 가지 사소한 문제입니다. 비활성화되지 않은 계정, 격리되어 있어야 했지만 그렇지 않은 네트워크 일부, 필요한 범위보다 넓게 설정된 권한 등이 그런 예입니다. 제가 국가 레드팀을 이끌 때는 익스플로잇을 만드는 것보다 표적의 네트워크가 실제로 어떻게 작동하는지 파악하는 데 훨씬 더 많은 시간을 썼습니다. 경로가 어디에 있는지 알면 이를 악용하는 일은 오히려 쉬운 편입니다. 방어 측으로 옮긴 뒤에는 한 가지 반복되는 양상이 눈에 들어오기 시작했습니다. ‘치명적’ 취약점이 길게 나열되어 있지만, 공격자가 그중 어떤 취약점에 실제로 접근할 수 있는지 알 방법이 없었습니다. Astelia는 공격자가 침입 경로를 찾을 때 사용하는 도달 가능성 분석을 방어자를 위해 활용함으로써 이 공백을 메우고자 만들어졌습니다.

Astelia는 조직의 실제 네트워크 토폴로지를 파악하고 에이전트형 AI를 활용해 어떤 취약점에 실제로 접근할 수 있으며 악용 가능한지 판단함으로써 취약점 관리에 새로운 접근 방식을 취합니다. 이 방식은 실제로 어떻게 작동하며, 기존의 취약점 점수 산정 방식이 방어팀의 우선순위를 잘못 이끄는 경우가 많다고 보는 이유는 무엇인가요?

읽기 전용 연동을 사용해 조직의 실제 네트워크, 즉 시스템들이 실제로 어떻게 서로 연결되어 있는지, 기존 네트워크 통제가 공격자의 경로를 어디에서 차단하는지 파악합니다. 전체 상황을 파악한 뒤에는 AI가 각 취약점을 검토해 실제 악용에 필요한 조건을 판단합니다. 필요한 접근 권한, 네트워크를 통과하는 경로, 충족되어야 할 조건 등이 여기에 포함됩니다. 그런 다음 이 모든 요소를 실제 토폴로지 및 기존 통제와 대조합니다. 스캐너가 탐지하는 항목 가운데 실제로 접근 가능한 것으로 드러나는 것은 일반적으로 1% 미만입니다. CVSS와 EPSS는 근본적으로 같은 문제를 안고 있습니다. 모든 네트워크가 똑같고, 시스템이 개방된 인터넷에 그대로 노출되어 있으며, 업계 전반의 악용 추세가 특정 조직의 환경에 대해서도 의미 있는 정보를 제공하는 것처럼 취약점에 점수를 매깁니다. 하지만 대부분의 환경에서는 어느 가정도 성립하지 않습니다. 분할된 네트워크 안쪽으로 세 단계나 들어가야 하는 치명도 등급 취약점은 인터넷에 공개된 서버에 있는 취약점과 같은 위험이 아닙니다. 업계 전체에서 EPSS 점수가 높은 취약점이라도 해당 네트워크에서는 접근이 불가능할 수 있습니다. 이런 점수는 특정 시점에 고정되며 실제 네트워크를 반영하지 않습니다. 네트워크와 이를 보호하는 통제는 계속 변하므로 도달 가능성도 끊임없이 달라집니다.

방어팀이 우려하는 문제 중 상당수는 실제 공격자의 행동 방식과는 무관하다고 말씀하셨습니다. 보안 수준이 매우 높은 환경을 대상으로 승인된 공격을 수행한 경험에 비추어 볼 때, 공격자가 취약점을 찾아 서로 연결하는 방식에 대해 보안팀이 가장 흔히 잘못 이해하는 점은 무엇인가요?

공격자들은 심각도가 가장 높은 것으로 평가된 취약점을 노린다는 통념이 있습니다. 하지만 실제로는 그런 경우가 드뭅니다. 공격자들은 목표에 가장 빠르게 다가갈 수 있는 것을 노리며, 그 대상은 스캐너가 중간 또는 낮은 심각도로 평가한 경우가 많습니다. 권한 설정이 잘못된 파일 공유 공간, 이미 종료된 것으로 알려진 프로젝트에서 남은 자격 증명, 또는 다른 요소와 결합되고 나서야 위험해진 작은 발판 등이 그 예입니다. 스캐너는 발견 사항을 각각 따로 평가합니다. 하지만 공격은 그런 식으로 이뤄지지 않습니다. 공격자는 언제나 요소들이 어떻게 연결되는지 살핍니다. 그 자체로는 무해해 보이는 것이 낮은 권한의 계정에서 완전한 통제권으로 넘어가는 데 공격자가 꼭 필요로 하는 수단일 수 있습니다. 방어 담당자 대부분은 여전히 발견 사항을 하나씩 평가하는 방식으로 위험을 판단하고 있으며, 바로 그 때문에 실제로 중요한 공격 경로를 계속 놓칩니다.

AI는 새로 공개된 취약점을 작동하는 익스플로잇으로 만드는 데 필요한 시간과 전문성을 크게 줄이고 있습니다. 이러한 변화는 사이버 공격의 경제성을 어떻게 바꾸며, 점점 더 강력해지는 AI 모델로 가장 큰 이득을 얻는 공격자는 어떤 유형일까요?

익스플로잇을 만드는 데 가장 큰 비용이 들었던 부분은 전문성이었습니다. 버그를 찾아내고, 정확히 어떻게 작동시키는지 알아내고, 안정적으로 작동하도록 만드는 일이었죠. 전문가 팀이 몇 달씩 걸리곤 했던 작업을 이제는 최첨단 모델을 이용할 수 있는 일반 공격자가 몇 시간 만에 해낼 수 있습니다. 이는 경제성 측면에서 실질적인 변화를 가져왔습니다. 새로운 CVE를 무기화하려면 과거에는 상당한 투자가 필요했지만, 이제는 거의 그렇지 않습니다. 취약점이 공개된 뒤 작동하는 익스플로잇이 나오기까지 걸리는 시간도 계속 짧아지고 있습니다. 대부분의 패치 주기는 이런 속도에 대응하도록 설계되지 않았습니다. 이 변화로 가장 큰 이득을 얻는 공격자는 이미 강력한 공격 역량을 갖춘 최상위급 국가 지원 조직이 아닙니다. 그런 전문성을 내부에 보유하지 못했던 소규모 집단과 기회주의적 범죄자들입니다. AI가 사실상 그들에게 전문성을 쥐여 주고 있습니다.

백악관의 GOLD EAGLE 이니셔티브는 정부, 기술 기업, 중요 인프라 운영자 간의 긴밀한 협력을 바탕으로 하며, 최첨단 AI를 활용해 취약점을 더 빠르게 찾아내고 해결하도록 설계됐습니다. 공격자의 관점에서 볼 때, 이 모델은 무엇을 제대로 하고 있으며 어떤 부분에서 여전히 한계가 있을까요?

GOLD EAGLE은 실제 조치가 이뤄지기도 전에 여러 조직이 같은 공개 취약점을 각자 스캔하고 우선순위를 정하느라 얼마나 많은 시간이 낭비되는지 정확히 짚어냈습니다. 이를 중앙에서 관리하고 AI를 활용해 정부와 인프라 운영자 간의 협력을 가속화하면 공격자가 활동할 수 있는 시간이 실제로 줄어듭니다. 공격자 입장에서 가장 중요한 부분이 바로 이것입니다. 이 분야에서는 속도가 무엇보다 중요합니다. 다만 업계 전반의 협력만으로는 특정 취약점이 개별 기업의 네트워크 내부에서 실제로 접근 가능한지 알 수 없다는 점이 한계라고 생각합니다. 조직은 우선순위가 잘 설정된 위협 정보를 받아 보더라도 그것이 자사에 해당하는지는 모를 수 있습니다. 자체 네트워크 구성을 대조해 확인하는 마지막 단계는 여전히 각 조직의 책임입니다.

100곳이 넘는 기술, 사이버 보안, 금융 및 인프라 분야의 조직들은 AI를 이용한 공격이 훨씬 더 광범위하게 확산되기 전에 방어를 강화할 수 있는 시간이 제한적일 수 있다고 경고했습니다. 이러한 긴박감에 동의하시나요? 또 조직들은 이 “방어자의 기회” 기간에 현실적으로 무엇을 달성해야 할까요?

그런 긴박감에는 동의하지만, 그 이유는 조금 다르게 설명하고 싶습니다. AI를 이용한 공격은 미래의 우려가 아닙니다. 취약점이 공개된 뒤 작동하는 익스플로잇이 나오기까지의 간격은 이미 대부분의 조직이 패치하는 속도보다 빠르게 좁혀지고 있습니다. 패치 속도만 높여 이 경쟁에서 이기려는 것은 현실적이지 않습니다. 현실적으로 할 수 있는 일은 이 기간에 각자의 환경을 파악하는 것입니다. 실제 네트워크 구성을 알고, 어떤 취약점에 실제로 접근할 수 있는지 파악하고, 수천 개의 이론적 발견 사항에 노력을 분산하는 대신 그보다 적은 수의 취약점에 집중해야 합니다. 또한 패치 속도만으로는 AI가 가속화하는 익스플로잇 개발을 따라잡을 수 없으므로, 네트워크 분할이나 구성 변경 등 패치 외의 해결 방안을 마련하는 데도 이 시간을 활용할 만합니다.

집단적 사이버 방어는 조직들이 취약점 및 위협 정보를 공유하는 데 크게 의존합니다. 새로운 보안 위험을 초래하지 않으면서도 충분히 빠르게 유용한 정보를 공유하려면 정부와 민간 기업은 기술적·문화적으로 무엇을 바꿔야 할까요?

기술적 과제는 비교적 해결하기 쉽습니다. 더 어려운 문제는 신뢰입니다. 어느 조직도 자사 환경의 취약점을 공개해 그 사실이 해당 조직과 연결될 위험을 감수하고 싶어 하지 않습니다. 특히 나중에 침해 사고 보고서에 등장할 수 있다면 더 그렇습니다. 유용하면서도 특정 조직을 식별할 수 없는 정보를 공유하는 것이 효과적입니다. 즉, 한 기업을 특정할 수 있을 만큼 구체적인 설명 대신 어떤 공격이 가능한지 그 패턴을 공유하는 것입니다. 이를 위해서는 PDF나 메일링 리스트가 아니라 자동화된 경로를 통해 기계가 읽을 수 있는 위협 데이터가 오가는 더 나은 기반이 필요합니다. 하지만 기반 시설이 진정한 장애물이었던 적은 없습니다. 문제는 대부분의 조직이 정보 공유를 자신을 보호하는 수단이 아니라 법적 책임을 초래할 일로 여긴다는 데 있습니다. 중립적이고 신뢰할 수 있는 중개자는 GOLD EAGLE이 제공하려는 요소 중 하나이며, 이러한 인식을 바꾸는 데 크게 기여할 수 있습니다.

Astelia는 단순히 심각도나 알려진 익스플로잇의 존재 여부가 아니라 ‘도달 가능성’을 강조합니다. AI로 익스플로잇 생성이 더 빨라지고 어쩌면 더 보편화될수록, 도달 가능성은 위험을 평가하는 데 더 중요한 지표가 될까요? CISO는 이 개념을 중심으로 취약점 우선순위를 어떻게 재고해야 할까요?

도달 가능성은 단순히 더 중요해지는 데 그치지 않고, 실제로 위험을 결정하는 척도가 되고 있습니다. 심각도는 어떤 문제가 얼마나 큰 피해를 일으킬 수 있는지를 늘 근사적으로 나타내는 지표였지만, 도달 가능성은 현재 해당 환경에서 그 문제를 악용할 수 있는지에 답합니다. 과거에는 공격자가 현실적으로 악용할 리 없는 심각도가 낮은 취약점 대부분은 몇 달간 패치하지 않아도 된다고 방어 담당자들이 여겼습니다. 하지만 취약점 공격 코드 생성이 빠르고 저렴해지면서 이런 가정은 더 이상 성립하지 않습니다. 심각도 순으로 쌓인 백로그를 관리하는 대신 실제로 도달 가능한 노출을 제거하는 방향으로 전환해야 합니다. 중요한 소수의 취약점을 나머지 취약점과 가르는 기준은 실제 네트워크 환경에서 공격자가 해당 취약점에 도달할 수 있는지 여부입니다. CISO는 CVSS에 점수를 하나 더 얹는 것이 아니라 도달 가능성을 입증하는 근거를 요구해야 합니다.

Astelia는 새로운 노출을 식별하는 일부터 대응 조치를 조율하는 일까지, 취약점 관리 전 과정의 일부에 AI 에이전트를 적용하고 있습니다. 운영 환경을 변경할 수 있는 사이버 보안 에이전트에 궁극적으로 어느 정도의 자율성을 부여해야 하며, 어떤 부분에는 반드시 사람이 관여해야 할까요?

에이전트는 네트워크를 매핑하고, 공격에 필요한 조건을 파악하고, 새로 공개된 정보를 연계 분석하고, 실제로 도달 가능한 취약점을 찾아내는 분석 작업에서 실질적인 자율성을 가져야 합니다. 속도가 가장 중요한 부분이 바로 여기이며, 오류가 발생해도 사람이 잘못된 권고를 알아차리면 됩니다. 하지만 운영 환경을 사람의 감독 없이 변경하는 일에는 분명한 선을 그어야 합니다. 네트워크 도달 가능성 데이터가 없다면 에이전트가 수정 조치를 적용하는 것은 추측에 불과합니다. 잘못된 방화벽 규칙이나 네트워크 분할 변경은 애초에 차단하려던 취약점보다 더 큰 피해를 낳을 수 있습니다. 오늘날 ‘자율 복구’라는 이름으로 판매되는 것 대부분이 실제로는 티켓을 자동 생성하는 데 그치는 이유도 여기에 있습니다. 기업은 이런 변경을 사람이 승인하기를 원합니다. 특히 애초에 패치가 항상 나와 있는 것도 아니기 때문입니다. 바람직한 모델은 근거를 갖춘 수정 방안을 에이전트가 제안하고, 운영 환경에 적용하기 전에 사람이 승인하는 방식입니다. 도달 가능성 데이터가 더 충실해지고 범위가 좁고 충분히 검증된 변경 유형에 대한 신뢰가 쌓이면 이런 기준은 완화될 수 있겠지만, 운영 환경에서의 무인 작업부터 시작하는 것은 바람직하지 않습니다.

앞으로 공격자와 방어자 모두 점점 더 뛰어난 자율형 AI 시스템을 활용하게 되면 사이버 보안의 공격과 방어 간 균형은 어떻게 달라질 것으로 보시나요? 다음 단계에 대비한 조직과 그렇지 못한 조직을 가르는 요소는 무엇일까요?

공격자는 AI를 활용해 초기에 우위를 점합니다. 작동하는 공격 경로 하나만 찾으면 되며, AI는 이를 신속하게 찾는 데 적합하기 때문입니다. 정찰과 취약점 공격 코드 개발이 빨라지고, 피싱 콘텐츠도 더 그럴듯해집니다. 방어자가 같은 작업을 AI로 더 빠르게 수행한다고 해서 격차가 좁혀지는 것은 아닙니다. 각자의 환경과 맥락을 바탕으로 AI를 활용해 실제 네트워크에서 도달 가능한 취약점을 찾아 제거해야 격차를 줄일 수 있습니다. 업계 전반의 일반적인 위협 데이터에 따라 위험을 관리하는 데 그쳐서는 안 됩니다. 준비된 조직을 가르는 것은 상황에 떠밀리기 전에 이런 전환을 이뤘는지, 그리고 패치 일정이 따라잡기를 바라기만 하는 대신 자사 환경에서 실제로 악용될 수 있는 취약점이 무엇인지 근거를 들어 말할 수 있는지입니다. 일반적인 맥락에서 위험을 계속 관리하는 조직은 1년 전에 자체 스캐너가 우선순위가 낮다고 평가한 취약점으로 인해 계속 허를 찔릴 것입니다.

훌륭한 인터뷰 감사합니다. 더 자세히 알고 싶은 독자들은 아스텔리아를 방문해 보시기 바랍니다.