테네클의 리앗 하윤, 제품 관리 및 연구 담당 부사장 – 인터뷰 시리즈

리앗 하윤은 테네클 클라우드 보안의 제품 및 연구担当 부사장입니다. 테네클에 합류하기 전에 리앗은 데이터 보안 회사인 유레카 시큐리티의 공동 설립자이자 CEO였으며, 유레카 시큐리티는 테네클에 인수되었습니다. 유레카 시큐리티를 공동 설립하기 전에 리앗은 이스라엘 사이버 사령부와 팔로알토 네트웍스에서 10년 이상 사이버 보안 노력을 이끌었습니다. 팔로알토 네트웍스의 제품 관리 부사장으로서 리앗은 Cortex XDR 및 회사 관리 위협 사냥 서비스의 개발을 이끌었습니다. (PANW )

테네클은 미국 기반의 사이버 보안 회사로, 조직이 디지털 공격 표면 전체에 걸쳐 보안 취약점을 식별, 이해, 우선순위 지정 및 수정하는 것을 도와줍니다. 노출 관리 플랫폼 및 널리 사용되는 취약점 스캐너인 네스스(Nessus)와 같은 도구로 잘 알려져 있습니다. 테네클의 솔루션은 수천 개의 고객에게 지속적인 발견, 우선순위 지정 및 위협 인사이트를 제공하여 프로액티브 사이버 위험 관리를 지원합니다.

자율적인 AI 에이전트가 사용자 프롬프트에만 응답하는 전통적인 AI 모델보다 더 위험한 이유는 무엇입니까?

자율적인 AI 에이전트는 작업을 시작하고, 시스템에 접근하고, 결정하고, 다른 서비스와 상호 작용할 수 있으므로 위험의 본질을 변경합니다.

그 독립성은 잠재적인 영향의 속도와 규모를 확대하여 데이터 노출, 운영 중단 및 재정 손실의 가능성을 증가시킵니다. AI 에이전트는 데이터 저장소에 쿼리를 실행하거나 워크플로우를 트리거하거나 API를 호출하거나 인프라를 수정할 수 있습니다. 잘못 구성되거나 손상되면 허가된 권한을 사용하여 시스템을 가로질러 이동할 수 있으며, 이는 인간이 감지하거나 개입하기에는 너무 빠를 수 있습니다.

테네클의 클라우드 및 AI 위험 보고서 2026에 따르면, 52%의 조직은 과도한 권한을 가진 비인간 아이디를 가지고 있으며, 거의 절반이休眠 상태로, 프로덕션 환경에서 광범위한 관리되지 않는 액세스를 생성합니다. 즉, 많은 AI 주도 프로세스는 이미 사용하지 않는 액세스를 가지고 있지만 공격자는 이를 사용할 수 있습니다.

공격자는 Confused Deputy 문제를 악용합니다. 에이전트 자체를 손상시키지 않아도 됩니다. 대신, 공격자는 승인된 에이전트를 공격자의 대리인으로 작동하도록 속입니다. 에이전트는 자신의 합법적인 권한을 사용하여 요청을 실행하여 효과적으로 공격자의 작업을 수행합니다. 자율 시스템이 광범위한 권한을 상속하거나 과도한 역할을 가정할 때, 오류와 악용 사이의 시간 간격이 사실상消滅되어 0 마진 AI 노출 격차가 생성됩니다.

기업은 비공식적으로 AI 에이전트를 실험하고 있습니다. 보안 팀이 환경 내에서 에이전트가 이미 작동하고 있는지 평가하기 위한 첫 번째 구체적인 단계는 무엇입니까?

AI 노출 격차를 닫기 위해서는 전통적인 자산 인벤토리보다 더 나아간 발견이 필요합니다. 실험 단계는 가장 위험한 단계입니다. 조직은 사용 중인 AI, 구성, 및 허가된 액세스에 대해 완전히 알지 못합니다.

AI 에이전트는 거의 한 개의 명확하게 레이블이 지정된 시스템에만 존재하지 않습니다. 대부분의 에이전트는 공식적인 거버넌스를 따르지 않습니다. 개발자 도구, SaaS 통합, 자동화 워크플로우, 브라우저 확장 프로그램 및 클라우드 서비스에서 작동하여 분산 배포를 생성하여 블라인드 스폿을 증가시키고 중앙 집중식 제어를 제한합니다. 이는 이미 광범위하게 퍼져 있습니다. 70% 이상의 조직이 이미 제3자 AI 또는 모델 관련 패키지를 통합했으며, 이는 AI를 응용 프로그램 및 인프라에 깊숙이埋め込으며, 중앙 집중식 관리가 제한적입니다.

최근의 연구에 따르면, 실험 에이전트 배포는 보안 제어 또는 구성 표준을 완전히 이해하기 전에 기능을 배포할 때 심각한 위험을 초래할 수 있습니다. 실험이 끝나고 조직이 어떤 AI 응용 프로그램을 채택할지 결정했을 때, 시스템을 사용하는 방법, 허가된 권한, 및 중요 자산과의 상호 작용에 대한 강력한 거버넌스를 여전히 필요로 합니다.

발견 단계는 엔드포인트, 클라우드 인프라, 외부 공격 표면에 걸쳐 존재하는 AI의 통일된 인벤토리를 설정하기 시작해야 합니다. 이는 내부적으로 배포된 시스템뿐만 아니라 외부에서 접근 가능한 모든 것을 포함하여, AI 라이브러리, 에이전트, API, 모델 서비스 및 제3자 통합을 식별하는 것을 의미합니다.

다음으로, 팀은 이러한 에이전트가 연결되어 있는 방식과 액세스하는 데이터를 매핑해야 합니다. 또한, 사용하는 아이디, 허가된 권한, 및 도달할 수 있는 시스템을 식별해야 합니다. 가시성은 관계에서 나타나는 위험을 이해하는 데 필요합니다.

마지막으로, 실험 이후에, 조직은 이러한 연결이 중요 자산에 도달하는 경로를 생성하는지 식별해야 합니다. 이를 통해 AI 노출 격차를 닫을 수 있습니다.

공급망 공격 또는 권한 상승과 같은 더 친숙한 위협과 비교하여 노출된 제어 표면이나 검증되지 않은 제3자 “스킬”과 같은 위험은 어떻게 비교되나요?

검증되지 않은 제3자 에이전트 스킬과 노출된 제어 표면은 공급망 손상 및 권한 상승과 유사한 위험을 가집니다. 그러나 속도, 규모 및 연결성의 측면에서 증폭됩니다.

제3자 에이전트 스킬은 소프트웨어 공급망 의존성과 유사하게 작동하며, 이미 노출 표면에 상당한 중량을 가지고 있습니다. 86%의 조직이 중요도 취약한 취약성을 가진 제3자 코드 패키지를 호스팅합니다. 이러한 구성 요소가 자율적인 AI 에이전트 내에서 작동할 때, 실행은 지속적이고 자동화되며, 손상과 영향 사이의 시간 간격이 제거됩니다.

노출된 제어 표면은 과도한 권한을 가진 역할을 가정하는 AI 서비스를 허용하여 운영 계층에서 위험을 확대합니다. 18%의 조직이 이미 AI 서비스를 과도한 권한을 가진 역할을 가정하도록 허용하고 있습니다. 이는 자동화된 시스템에 광범위한 도달을 제공합니다. 취약한 종속성, 과도한 권한, 노출된 인터페이스는 공격 경로를 생성합니다. 조직은 노출과 악용이 거의 즉시 일치하는 환경에서 작동합니다.

방어적인 관점에서, 조직은 내부 시스템 또는 민감한 데이터에 액세스할 수 있는 AI 에이전트를 배포할 때 “좋은 위생”이란 무엇입니까?

좋은 위생은 AI 에이전트를 시스템 및 데이터에 걸쳐 실제 권한을 가진 특권 디지털 행위자로 취급하는 것을 시작합니다. 조직은 각 에이전트에 대한 지속적인 가시성을 필요로 하며, 에이전트가 수행하는 작업과 도달할 수 있는 것을 알아야 합니다. 팀은 기계 및 서비스 아이디에 대한 최소 권한을 시행하고,休眠 액세스를 제거하며, 권한을 엄격하게 제한해야 합니다. 각 에이전트는 특정 작업 유형에만专用되어야 하며, 권한 및 액세스는 해당 기능에만 제한되어야 합니다.

이것은 중요합니다. 사용되지 않는 액세스는 광범위합니다. 과도한 권한을 가진 거의 절반의 아이디는休眠 상태이며, 70% 이상의 기본 AI 실행 역할은 사용되지 않습니다. 이러한 조건은 위험을 생성하며 가치를 제공하지 않습니다.

보안 팀은 또한 인프라, 데이터 저장소, API 및 응용 프로그램 간의 관계를 이해해야 합니다. 이러한 연결을 매핑하면, 취약한 워크로드를 과도한 권한을 가진 에이전트를 통해 중요 데이터에 액세스할 수 있는有毒한 노출 조합을 나타낼 수 있습니다.

강력한 위생은 또한 지속적인 거버넌스를 필요로 합니다. 조직은 에이전트 동작을 모니터링하고, 통합을 제어하고, 데이터 가드레일을 시행하며, 권한을 정기적으로 검증해야 합니다. 이러한 관행은 AI 노출 격차를 닫고 공격 경로를 제거합니다.

조직은 AI 공격 표면을 빠르게 보호하기 위해 무엇을 해야 합니까?

조직은 노출을 줄이고 정확성을 높여 AI 공격 표면을 보호할 수 있습니다.

이를 위해 첫 번째 우선 순위는 중요 자산에 도달하는 경로를 생성하는 AI 시스템을 식별하는 것입니다. 80% 이상의 조직이 이미 野外에서 악용된 취약성을 가진 워크로드를 실행합니다. 위험은 이미 대부분의 환경 내에 존재합니다. 보안 팀은 실제 영향을 미치는 연결에 중점을 두어야 합니다.

그 다음, 자동화가 규모를 가능하게 함을 실현합니다. 지속적인 발견, 상황에 따른 우선순위 지정 및 유도된 수정을 통해 팀은 위험을 줄이면서 개발 속도를 유지할 수 있습니다.

정책 가드레일이 채택을 보호하는 동안, 정시 액세스, 모니터링된 데이터 흐름 및 제어된 통합을 통해 조직은 AI 활동을 관리하면서 혁신을 유지할 수 있습니다.

이러한 단계는 함께 AI 노출 격차를 줄여 高위험 액세스 및 안전하지 않은 연결을 제거합니다. 빠른 노출 감소는 시스템을 보호하면서 AI 채택을 진행할 수 있도록 합니다.

CISO는 프로덕션 시스템에 액세스할 수 있는 AI 에이전트에 대한 아이디, 권한 및 범위를 어떻게 생각해야 합니까?

CISO는 AI 에이전트를 시스템 및 데이터에 걸쳐 운영 권한을 가진 高속 非인간 아이디로 취급해야 합니다.

액세스 결정을 위해서는 정밀성이 필요합니다. 권한은 특정 작업과 일시적이어야 하며, 지속적인 검토를 받아야 합니다. 과도한 권한은 도달을 확대하고, 시스템이 기계 속도로 상호 작용할 때 영향을 증가시킵니다.

보안 리더는 또한 실제 도달에 대한 명확한 통찰력이 필요합니다. 권한, 네트워크 경로, 데이터 액세스 및 서비스 통합을 결합하면 에이전트가 실제로 무엇을 할 수 있는지 정의합니다. 이러한 관계를 이해하면 영향을 미치기 전에 잠재적인 노출을 나타낼 수 있습니다.

아이디는 인프라, 데이터 및 응용 프로그램을 AI 노출 격차에 걸쳐 연결합니다. 엄격한 권한 설계는 블래스트 반경을 제한하고 제어를 유지합니다. 노출 발견에서 악용까지의 시간이 거의 0인 환경에서, 아이디 거버넌스는 AI가 프로덕션에서 어떻게 작동하는지 결정합니다.

기존의 보안 프레임워크가 존재하는 위험을 처리하기 위해 에이전트 AI가 강제로 다시 생각해야 합니까, 아니면 오늘날의 모델을 적응시킬 수 있습니까?

보안 원칙은 일관되지만, 운영 모델은 진화하고 있습니다. 에이전트 AI는 시스템, 아이디, 데이터를 동적 환경으로 연결하여 지속적으로 변경되고 기계 속도로 작동합니다. 인간 운영자와 달리, 에이전트는 판단을 적용하지 않으며, 적절한 요청과 부적절한 요청을 구분하지 않습니다. 에이전트는 지침과 권한에 따라 실행되므로, 엄격한 제어와 거버넌스가更加 중요해집니다.

위험은 인프라, 소프트웨어 공급망, 아이디 계층을 가로지르는 관계에서 나타납니다. 조직은 노출을 상속하는 속도보다 복구 주기를 따라갈 수 없습니다. 자동화된 배포 및 자동화된 악용은 응답 시간을 압축하고 운영 압력을 증가시킵니다.

보안 프레임워크는 노출 가시성 및 감소를 중심으로 해야 합니다. 팀은 존재하는 것, 시스템이 연결되는 방식, 및 중요 자산에 도달하는 경로에 대한 지속적인 통찰력이 필요합니다.

정의하는 도전은 AI 노출 격차에 걸쳐 연결된 위험을 관리하는 것입니다. 보안 프로그램은 지속적으로 도달할 수 있는 노출을 줄이고 복잡한 환경에서 제어를 유지함으로써 성공합니다.

앞으로, 에이전트 AI 보안 연구의 어떤 영역이 이러한 도구가 실험에서 임무에 중요한 것으로 이동함에 따라 더욱 주목받아야 합니까?

몇 가지 연구 영역이 에이전트 AI 보안의 미래를 형성할 것입니다.

첫째, 非인간 아이디 생태계의 성장은 더 깊은 분석을 필요로 합니다. 조직은 기계 아이디를 확장하고 있으며, 이는 인프라, 데이터, 서비스를 가로지르며 작동합니다. 특권 패턴, 행동, 라이프사이클 관리를 이해하는 것이 필수적입니다.

둘째, 다단계 공격 경로 모델링에 대한 연구가 발전해야 합니다. AI 시스템은 소프트웨어 공급망, 클라우드 인프라, 아이디 계층을 연결합니다. 이러한 요소가 상호 작용하는 방식을 매핑하면 위험 예측 및 우선순위를 개선할 수 있습니다.

셋째, 자율적 의사 결정의 거버넌스에 대한 연구가更加 집중되어야 합니다. 보안 팀은 에이전트가 데이터에 액세스, 처리, 전송하는 방식을 시간이 지남에 따라 가시성을 필요로 합니다.

마지막으로, 악용 속도는 계속 증가하고 있습니다. 공격자와 수비수가 기계 속도로 작동하는 방식을 연구하는 것은 응답 전략을 형성할 것입니다.

미래의 보안은 AI 노출 격차를 이해하고 줄이는 데 달려 있습니다. 연구는 전체 공격 표면에 걸쳐 연결된 노출을 제어하는 데 중점을 두어야 합니다.

이 인터뷰에 감사드립니다. 더 많은 정보를 배우고 싶은 독자는 테네클을 방문하십시오.