Ben Bernstein, Huntress 사이버 보안 어드바이저 매니저 – 인터뷰 시리즈

Ben Bernstein, Huntress 사이버 보안 어드바이저 매니저는 기술 지원, 시스템 관리, 고객 성공, 기술 계정 관리, 보안 자문 리더십 등 10년 이상에 걸친 경험을 보유한 사이버 보안 전문가입니다. 그는 현장 IT 역할에서 경력을 시작해 헬프데스크 업무에서 시스템 관리로 성장한 뒤 Integris에서 계정 관리와 고객 성공으로 전환했습니다. Bernstein는 이후 Red Canary에서 3년 동안 근무하며 엔터프라이즈 고객과의 관계를 기술 계정 매니저 및 시니어 엔터프라이즈 기술 계정 매니저로 관리했습니다. 2024년 설립 멤버인 기술 계정 매니저로 Huntress에 합류한 이후 기술 계정 관리 리더십을 거쳐 현재는 회사의 사이버 보안 어드바이저를 총괄하고 있으며, 기술 전문성과 고객 대응 경험을 결합해 조직이 진화하는 사이버 위협을 더 잘 이해하고 대응하도록 돕고 있습니다.

Huntress는 엔드포인트, 아이덴티티, 로그, 사용자 전반에 걸쳐 조직을 보호하도록 설계된 완전 관리형 보안 플랫폼을 제공하는 사이버 보안 회사입니다. 이 플랫폼은 관리형 엔드포인트 탐지 및 대응(EDR), 아이덴티티 위협 탐지 및 대응(ITDR), 보안 정보 및 이벤트 관리(SIEM), 보안 인식 교육을 포함한 기술을 결합하고, 24시간 AI 중심 보안 운영 센터(SOC)를 인간 보안 전문가가 운영합니다. Huntress에 따르면 현재 자사의 기술은 5백만 개 이상의 엔드포인트와 1천5백만 개 이상의 아이덴티티를 27만 7천 개 이상의 기업에 보호하고 있으며, 팀이 고객을 대신해 위협 탐지, 조사, 대응 및 복구 작업을 수행합니다.

당신은 헬프데스크와 시스템 관리 업무로 경력을 시작한 뒤 기술 계정 관리를 거쳐 최종적으로 Huntress에서 사이버 보안 자문 리더십을 맡게 되었습니다. 이러한 현장 IT 배경이 오늘날 보안을 생각하는 방식에 어떤 영향을 미쳤으며, 특히 관리자가 의존하는 동일한 도구가 공격자의 진입점이 될 수 있는 상황에서는 어떻게 보시나요?

전담 사이버 부서에 몸담게 된 지금도 매일매일 IT 배경에 무한히 감사하고 있습니다. 이는 저에게 실용적인 관점을 제공합니다. 운영 체제, 애플리케이션, 시스템 프로세스가 정상적으로 동작할 때의 모습을 알고 있으면, 이상 현상과 위협이 확연히 드러납니다. IT에서의 경험은 문제 해결과 근본 원인 분석 사고방식도 길러주었습니다. 문제나 위협을 완전히 파악하려면 흐름을 따라가야 한다는 것을 빠르게 배우게 됩니다.

오늘날 위협 행위자에게 악용되는 RMM과 같은 동일한 도구에 크게 의존했던 기억이 납니다. 직접 배포해 본 경험으로 IT 관리자와 공격자 양쪽 손에 있을 때의 강력함을 충분히 이해하게 되었습니다. RMM이 어디에나 존재하기 때문에 보안 팀은 그 실행과 관련된 모든 활동을 면밀히 살펴야 하는 압박을 받습니다. 머신에서 RMM이 실행된다고 해서 본질적으로 악한 것은 아닙니다. 하지만 해당 RMM이 갑자기 추가 도구를 배포하거나 익숙하지 않은 스크립트를 생성하기 시작하면, 방어자는 신뢰된 소프트웨어 목록에 의존하는 것을 멈추고 행동 관찰에만 집중해야 합니다.

AI는 사이버 보안 분야에서 정교한 자율 공격자와 연관돼 자주 논의되지만, AI가 즉각적으로 미치는 영향 중 얼마나 많은 부분이 단순히 일반 사이버 범죄자를 더 빠르고 능력 있게 만드는 것일까요? 비교적 낮은 수준의 기술을 가진 공격자도 이전에는 훨씬 더 깊은 기술 전문성이 필요했던 캠페인을 실행할 수 있는 시점에 다다르고 있는 건가요?

현재 자율 AI 해킹 시스템에 대한 공포가 크게 퍼져 있지만, 실제 상황은 이것이 새로운 공격 기법이 아니라는 점입니다. 이 모델들은 고도로 정교한 기술을 사용해 네트워크에 침투하는 것이 아니라, 인간 스크립트 키디들이 수년간 해오던 방식, 즉 인터넷에 노출되고 패치되지 않았으며 잘못 구성된 자산을 스캔하는 일을 수행합니다. “자율 AI”라는 문구가 무섭거나 매력적으로 들려서 헤드라인을 장식하지만, 실제 공격 메커니즘은 기본적인 수준에 불과합니다.

우리가 직면한 실제 문제는 AI가 사이버 범죄자의 진입 장벽을 낮춘다는 점입니다. 공격자는 익스플로잇의 지루한 부분을 자동화하고 깊은 기술 전문지식 없이도 운영 규모를 확대할 수 있습니다. 이는 낮은 수준의 공격자도 캠페인을 훨씬 빠르게 실행할 수 있게 하여 기업에 큰 압박을 가합니다. 이제 보안 도구를 설치하고 잊어버릴 수 없습니다. 조직은 네트워크가 지속적으로 탐색되고 있다고 가정해야 합니다.

Huntress는 RMM 침입 중에 공격자들이 LLM으로 생성된 인포스틸러 스크립트를 사용하는 것을 관찰했습니다. 이는 생성형 AI가 사이버 범죄의 경제성 및 접근성을 어떻게 변화시키고 있는지를 무엇을 말해줍니다?

이는 생성형 AI가 사이버 범죄의 운영 비용을 간소화하고 있음을 의미합니다. 인포스틸러 스크립트를 작성하는 것은 새로운 기술 작업이 아니지만, 전통적으로는 많은 개발자 시간이나 underground 포럼에서 특수 도구를 구매해야 했습니다. 피해자 네트워크 내에서 LLM을 활용하면 공격자는 사전 제작된 악성코드에 의존하지 않고 필요에 따라 기능적이고 맞춤형 스크립트를 생성할 수 있습니다.

이 모델에 접근하는 데 여전히 비용이 들지만, 진입 장벽은 그 어느 때보다 낮아졌습니다. 우리는 평균적인 공격자들이 이러한 도구를 활용해 작업 속도를 높이고 수동 코딩 작업을 없애는 경우를 자주 목격합니다. 이는 공격의 경제성을 근본적으로 바꾸어 실행 단계가 매우 접근 가능해지고, 기술 전문성이 깊지 않은 저숙련 행위자도 운영 규모를 확대할 수 있게 합니다.

Huntress는 원격 모니터링 및 관리 도구 악용이 전년 대비 277% 증가했다고 보고했습니다. 왜 정품 RMM 플랫폼이 맞춤형 악성코드에 비해 매력적인 대안이 되었으며, 공격자가 접근 권한을 얻었을 때 어떤 이점을 제공할까요?

RMM 도구 자체에 본질적으로 악의적인 요소는 없습니다. 이들은 IT 관리자와 MSP가 효율적으로 작업하고 사용자를 지원하도록 돕는 중요한 역할을 합니다. 문제는 맞춤형 악성코드는 기존 안티바이러스 소프트웨어에 의해 탐지되지만, RMM은 서명되고 신뢰받으며 표준 보안 제어를 우회한다는 점입니다. 공격자에게는 더욱 유리하게, RMM 에이전트는 기본적으로 관리자 권한으로 실행되며 내장된 지속성을 제공해 시스템 재부팅 후에도 별도의 접근 유지 작업 없이 활성 상태를 유지합니다.

공격자가 대상 머신에 자체 RMM 에이전트를 실행시키면, 사실상 원격 제어 콘솔을 확보한 셈입니다. 파일을 자유롭게 주고받을 수 있으며, 종종 사전에 악성 스크립트와 도구를 준비해 두어 단 한 번의 클릭으로 엔드포인트 전역에 실행하도록 RMM 인스턴스를 설정합니다. 애플리케이션 자체가 정품이기 때문에 방어자는 도구를 단순히 차단할 수 없습니다. 이는 보안 팀이 신뢰된 소프트웨어 목록에 의존하는 방식을 포기하고 행동을 관찰하는 데 집중하도록 만들며, 공격자가 관리 소프트웨어를 악용하는 모습을 포착하려면 24시간 모니터링이 필수적입니다.

Huntress가 문서화한 한 기법은 공격자가 여러 RMM 도구를 “데이지 체인” 방식으로 연결해 텔레메트리를 분산시키고 중복 접근을 만드는 것입니다. 이러한 침입이 일반적으로 어떻게 전개되는지, 그리고 방어자가 상황을 파악하기 왜 이렇게 어려운지 설명해 주실 수 있나요?

우리가 포착하고 블로그 에 쓴 특히 흥미로운 사례가 하나 있습니다. 침입은 가짜 비즈니스 문서(예: “Network Solutions Agreement”)를 미끼로 한 피싱 이메일로 시작되었습니다. 피해자는 이메일의 링크를 클릭해 가짜 CAPTCHA가 있는 페이지에 도달하고, 일반 PDF나 서비스 문서라고 생각하고 다운로드했습니다. 실제로는 실행 파일 설치 프로그램이었습니다. 사용자가 파일을 더블 클릭해 계약서를 열려고 하면, 눈에 띄지 않게 Tiflux RMM이라는 정품이지만 허가되지 않은 원격 접근 도구가 설치되었습니다.

위협 행위자가 최초의 Tiflux 에이전트를 실행시키자마자, 즉시 내장 기능을 이용해 Splashtop, ScreenConnect, UltraVNC와 같은 추가 도구들을 동일한 머신에 내려받아 사이드로드했습니다. 이들 역시 모두 정품 RMM 도구라는 점을 강조해야 합니다.

공격자는 이를 통해 초고 지속성을 구축합니다. IT 관리자가 하나의 무단 원격 도구를 발견해 제거하더라도, 공격자는 여전히 두세 개의 활성 백도어를 보유하고 있음을 알고 있습니다. 이 전술은 텔레메트리를 분산시킵니다. 보안 플랫폼은 단지 동시에 실행되는 별개의 서명된 관리 애플리케이션들이 정품 공급업체 인프라에 연결되는 모습을 볼 뿐입니다. 방어자가 해당 활동을 적극적으로 모니터링하고, 왜 하나의 엔드포인트에 같은 오후에 여러 개의 서로 다른 원격 관리 에이전트가 설치되는지를 묻지 않으면, 이는 일상적인 IT 유지보수 소음에 섞여 버립니다.

24시간 행동 모니터링 외에도, 여기서 효과적인 또 다른 제어 수단은 엔드포인트 보안 자세 관리와 애플리케이션 제어입니다. 조직이 명시적으로 어떤 특정 RMM을 머신에서 실행하도록 허가할지 정의하면, 승인되지 않은 도구의 실행을 전면 차단할 수 있어 데이지 체인이 시작되기 전에 막을 수 있습니다.

전통적인 보안 모델은 신뢰할 수 있는 소프트웨어와 신뢰할 수 없는 소프트웨어를 구분하는 경우가 많지만, RMM 공격은 정품이고 서명되었으며 이미 IT에서 승인된 도구를 악용합니다. 이는 방어자가 애플리케이션이 신뢰되는지를 묻는 대신 그 행동이 신뢰되는지를 중점적으로 살펴야 함을 의미할까요?

네, 전적으로 그렇습니다. 기존의 바이너리 신뢰 모델은 붕괴되었습니다. 바이너리 서명은 애플리케이션이 정품 공급업체에서 왔음을 확인하기 위한 것이지, 그 행동이 안전함을 보장하기 위한 것이 아닙니다.

공격자가 서명된 RMM 바이너리나 LofL(Living‑off‑the‑land) 유틸리티를 사용하면 실행 파일 자체는 깨끗하지만 그 뒤의 활동은 악의적입니다. 방어자는 “이 파일이 신뢰되는가?”를 묻는 것을 넘어, 그 행동이 상황에 맞는지에 집중해야 합니다. 머신에서 RMM이 실행된다고 해서 본질적으로 악한 것은 아닙니다. 그러나 해당 도구가 갑자기 추가 유틸리티를 배포하거나, 익숙하지 않은 스크립트를 생성하거나, 서비스 계정으로 새벽 2시에 실행된다면 이는 침해 징후입니다. 상황과 행동은 언제나 중요했으며, 신뢰된 소프트웨어에 크게 의존하는 공격자가 늘어나면서 그 중요성은 더욱 커졌습니다.

AI가 취약점이나 구성 결함을 발견하고 이를 악용하는 사이의 시간을 단축함에 따라, 보안 자세 관리의 역할은 어떻게 변합니까? 공격자가 악용하기 전에 조직이 우선적으로 해결해야 할 신원, 엔드포인트 및 원격 접근 취약점은 무엇인가요?

보안 자세 관리(Security posture management)는 조직이 공격자가 매일 악용하는 일반적인 보안 격차를 사전에 차단하도록 도와주기 때문에 그 어느 때보다 중요합니다. 이는 오탐, 과도한 권한, 무단 애플리케이션 및 엔드포인트와 아이덴티티 전반에 걸친 기타 취약점 등을 지속적으로 식별하고 해결함으로써 탐지 및 대응을 보완합니다. 취약점 공개와 자동 스캔 사이의 시간이 몇 시간으로 단축될 때, 이러한 격차를 악용되기 전에 줄이는 것이 필수적입니다. 조직은 환경 전반에 걸쳐 일관되고 강화된 보안 자세를 유지하여 사고 발생 건수를 줄이고, 공격자가 문을 통과했을 때 접근할 수 있는 범위를 제한해야 합니다.

거의 모든 사이버 업체가 자신들이 솔루션을 제공하는 위협이나 보안 영역에 대해 대중을 “educate”(또는 겁주기)하려 들지만, 실제 우선순위 목록은 각 조직만이 답할 수 있는 문제입니다. 각 기업은 CIA 삼위일체의 서로 다른 요소를 중시하고, 민감한 데이터가 저장되거나 접근되는 위치도 다릅니다. 대부분의 기업이 들어야 할 진짜 조언은 운영에 가장 중요한 데이터, 자산, 생산 시스템을 평가한 뒤, 그 기준에서 역으로 가장 중요한 것을 보호하는 것입니다.

AI 에이전트가 궁극적으로 공격 수명 주기의 상당 부분을 자율적으로 수행할 것이라는 우려가 커지고 있습니다. 자율 사이버 공격이 오늘날의 AI 보조 공격보다 실질적으로 더 위험해지기 위해서는 어떤 능력이 향상되어야 하며, 방어자는 충분히 신속하게 준비하고 있는가?

자율 에이전트에 대한 우려는 이것이 미래의 문제라는 의미이지만, 우리는 이미 오늘날 이들이 공격을 수행하는 모습을 보고 있습니다. 그러나 이러한 자율 공격은 아직 완벽하지 않습니다. 최근의 JadePuffer 랜섬웨어 캠페인을 살펴보세요. 전적으로 AI 에이전트에 의해 운영되었지만 눈에 띄는 실수를 저질렀습니다. 모델이 작업의 일부를 환각하여, 랜섬 노트에 가짜 비트코인 지갑 주소를 만들어냈습니다. 더욱 황당하게도, AI는 암호화 키를 저장하거나 전송하는 것을 잊어버렸습니다. 임시 콘솔 출력에 무작위로 생성된 키를 출력하고 세션을 종료했기 때문에, 피해자가 비용을 지불하더라도 데이터를 복구할 수 없게 되었습니다.

현실적으로 전술·기술·절차(TTP) 관점에서 보면, 자율 AI, 자동화 스크립트, 인간 공격자 모두 정확히 같은 일을 하고 있습니다. 이들은 여전히 인터넷에 노출된 취약하고 잘못 구성된 자산을 악용합니다. AI도 표준 킬 체인을 거쳐야 하며, 초기 접근을 확보하고, 권한을 상승시키며, 횡방향 이동을 하고, 페이로드를 실행해야 합니다. JadePuffer 사례에서는 알려진 미패치 취약점을 이용해 첫 발을 내디디고 네트워크를 헤매듯 진행했습니다.

공격의 핵심 메커니즘이 변하지 않았기 때문에 방어자는 현재의 대응 매뉴얼을 버릴 필요가 없습니다. 여전히 다층 보안, 기본적인 IT 위생, 강력한 행동 탐지가 필요합니다. 변하는 것은 방어자가 이벤트를 처리하고 경보를 삼분류해야 하는 압박감과 속도입니다. AI 에이전트가 실수를 하고 오류 로그를 읽어 몇 초 만에 자체 교정해 나아갈 때, 방어자는 현재 사이버 공격이 움직이는 빠른 속도에 맞춰 적응해야 할 뿐입니다.

공격자는 AI를 도입하고 있지만, 방어자는 동일한 기술에 접근할 수 있습니다. AI가 가장 큰 방어적 이점을 제공할 수 있는 분야는 비정상 행동 탐지, 텔레메트리 분석, 취약점 우선순위 지정, 자동화된 대응, 혹은 전혀 다른 영역 중 어디라고 보십니까?

첫째, 블루팀의 상관관계 분석에 매우 효과적입니다. 보안 팀은 데이터 부족 문제가 아니라 잡음 문제가 있습니다. AI는 서로 다른, 겉보기에 관련 없는 이벤트들을 모아 침입의 전체 이야기를 연결해 주는, 건초 더미에서 바늘을 찾아내는 작업에 놀라울 정도로 유용합니다.

둘째, AI는 기술 격차를 메워 방어자에게도 공격자와 동일한 역할을 수행합니다. 주니어 SOC 분석가가 복잡하게 난독화된 스크립트나 복잡한 경보에 직면했을 때, LLM을 활용해 해당 데이터를 즉시 평이한 영어로 번역할 수 있습니다. 이는 역공학의 수동적인 작업을 제거하고 방어자가 보다 빠르게 삼분류하고 대응할 수 있게 합니다.

마지막으로, 반응형 방어를 넘어선 관점에서 레드팀과 퍼플팀이 AI를 활용해 방어 체계를 사전적으로 테스트하고 검증할 수 있는 큰 기회가 있습니다. 완전한 범위의 인간 주도 침투 테스트는 여전히 필수입니다. 그러나 AI는 보안 스택의 다양한 계층을 검증하기 위한 작고 원자적인 테스트를 실행하는 기술 장벽을 낮춥니다. 연간 침투 테스트를 기다리거나 실제 위협이 나타났을 때 운에 맡기는 대신, 조직은 AI를 이용해 자체 환경을 안전하고 빈번하게 테스트하여 실제로 어떤 부분이 취약한지 확인할 수 있습니다.

앞으로 사이버보안 산업이 공격자와 방어자 모두가 점점 더 자율 에이전트를 통해 운영되는 환경에 진입할 것으로 보십니까? 그렇다면 양쪽 모두 기계 수준의 속도로 위협을 식별하고 대응할 수 있을 때, 궁극적으로 누가 우위를 점하게 될까요?

AI는 확실히 암시장의 경제 구조를 뒤흔들고 있습니다. 사이버 범죄를 서비스 형태로 제공하는 다크넷 마켓은 악성코드와 스크립트를 판매해 왔는데, 이는 전통적으로 이를 만들기 위해 전문 개발자 기술이 필요했기 때문입니다. AI는 낮은 숙련도의 운영자도 필요에 따라 자체 도구를 생성할 수 있게 함으로써 접근성과 경제성을 변화시킵니다. 이는 많은 기존의 기성 악성코드 공급업체들을 사실상 문을 닫게 만들 가능성이 높습니다. 위협 행위자가 기성 악성코드를 지하 포럼에서 구매하는 대신, LLM에 요청해 맞춤형 도구를 즉시 생성하도록 할 수 있다면 왜 비용을 지불하겠습니까?

양측 모두 AI를 무장했을 때, 우위는 인프라, 튜닝, 그리고 감독에 달려 있습니다. 이는 누가 더 많은 컴퓨팅 예산(더 많은 토큰을 소모할 수 있는가)과 더 잘 튜닝된 모델을 보유하고 있는가의 경쟁이 됩니다. 위협 행위자에게는 그들의 AI가 반복적으로 문제를 해결하고, 오류 로그를 읽으며, 익스플로잇이 실패했을 때 적절히 전환할 수 있는지가 시험대가 됩니다. 방어 측에서는 탐지기가 실제로 튜닝되어 있는지, 데이터 파이프라인이 AI에 실시간으로 올바른 텔레메트리를 제공하도록 제대로 연결되어 있는지가 시험대가 됩니다. 그러나 더 중요한 것은 비즈니스 컨텍스트를 이해하는 인간 전문가가 루프에 있어, 사건에 대한 AI의 해석을 읽고 침해된 머신을 격리할지, 위협을 차단하기 위해 프로덕션 시스템을 오프라인으로 전환할지와 같은 중요한 판단을 내릴 수 있는지 여부입니다.

궁극적으로 AI는 보안의 기본 원칙을 바꾸지는 않습니다. 가장 성공할 기업은 사소한 부분을 꾸준히 올바르게 수행하는 기업입니다. 이는 공격 표면을 줄이고, 취약점을 패치하며, 구성 설정을 강화하고, 24시간 모니터링하며, 침해를 가정하고, 방어 체계를 정기적으로 사전 테스트하는 것에 달려 있습니다. AI는 단지 가속기에 불과합니다. 기본을 더 빠르고 일관되게 실행하는 조직이 승리합니다.

훌륭한 인터뷰에 감사드립니다. 더 알아보고 싶은 독자분들은 Huntress를 방문하십시오.