AttackIQ의 Paul Reid, 적대자 연구 부문 총괄 – 인터뷰 시리즈

Paul Reid, AttackIQ의 적대자 연구 부문 총괄은 빠르게 변화하는 사이버 보안 세계의 베테랑입니다. 주요 기술 회사에서 기술 전략가로 20년 이상의 경험을 가지고 있는 폴은 고객, 파트너, 분석가, 저널리스트를 사이버 보안 환경의 변화에 따라 안내해 왔습니다. 그의 전문 분야는 사이버 보안, 생체認證, 네트워크 보안, 암호학을 포함합니다.

최근에는 고객 환경에서 새로운 위협을 발견하기 위해 행동 분석을 사용하는 사이버 위협 헌터 팀을 이끌었습니다. 폴은 Prentice Hall Series in Computer Networking and Distributed Systems에 발표된 저자이며 사이버 보안에 대한 특허를 여러 개 보유하고 있습니다.

AttackIQ는 침해 및 공격 시뮬레이션(BAS) 및 지속적인 보안 검증에 전문적인 사이버 보안 회사입니다. MITRE ATT&CK 기반의 적대자 에뮬레이션을 사용하여 보안 제어를 테스트하고 취약성을 식별하며 조치 우선순위를 정합니다. 2013년에 설립된 AttackIQ는 조직이 방어姿勢를 개선하고 SOC 효율성을 높이고 위험을 줄이는 데 도움을 줍니다.

20년 이상의 사이버 보안 분야의 리더십 역할을 맡아왔습니다. 적대자 연구에 대한 관심이 처음 어떻게 시작되었으며, 어떻게 AttackIQ로 이어졌나요?

저의 사이버 보안 여정은 25년 전 Novell 네트워크 설정과 디렉토리 서비스 세계에서 시작되었습니다. 초기 경험은 저에게 身分, 認證, 접근의 중요성을 가르쳐 주었습니다.

그 후 저는 스마트 카드 認證으로 전환하여 PKCS #11 라이브러리를 작성하고 공개 키 인프라(PKI)에서 빠르게 성장하는 동안 이를 깊이 있게 연구했습니다. 대칭 및 비대칭 암호를 사용하는 동안 디지털 환경에서 암호화가 신뢰를 형성하는 방법에 대한 감사를 얻었습니다.

나중에 저는 데이터 분류로 전환하여 조직이 데이터의 가치를 이해하고 중요한 것을 보호할 수 있도록 도왔습니다. 이 경험은 자연스럽게 사용자 및 엔티티 행동 분석(UEBA)으로 이어졌습니다. 여기서 저는 데이터 과학 및 기계 학습에 대한 실무 경험을 얻었으며 R 프로그래밍을 포함했습니다.

결국 저는 글로벌 위협 헌터 팀을 이끌었습니다. 여기서 우리는 실시간으로 국가적 적대자를 추적했습니다. 이것은 강도 높은 기간이었습니다. 적대자의 전술, 기술, 절차(TTP)를 이해하는 데에는 일일 운영에서 그들을 직접 대면하는 것보다 더好的 방법은 없습니다.

그 기간 동안 반복되는 불만이 나타났습니다. 우리는 종종 “만약에 그들이 X를 했거나 Y 제어를 가지고 있었다면…”라고 말했습니다. 위협 인식과 운영 방어 준비 사이에 간격이 있었습니다.

그것이 저를 AttackIQ로 데려간 이유입니다. 실제 적대자를 에뮬레이션하여 방어를 검증할 수 있는 기회는 너무 매력적이었습니다. 여기서 우리는 위협에 대해 단순히 이론화하지 않습니다. 우리는 테스트하고 측정하며 개선합니다.

우리의 팀은 “나쁨을 생각하고, 좋음을 行하라”라는 원칙을 따릅니다. 우리는 적대자를 생각하지만, 해를 끼치기 위해서가 아니라 고객을 준비시키고 적대자를 물리치기 위해서입니다.

TITUS, Interset, Micro Focus에서 팀을 이끌었던 경험은 어떻게 현재의 적대자 에뮬레이션을 운영화하는 접근 방식에 영향을 주었나요?

TITUS, Interset, Micro Focus와 같은 회사에서 기술 및 시장 전략 역할을 맡았던 경험은 저에게 위협 인텔리전스가 어떻게 운영 결과로 이어져야 하는지에 대한 전체적인 이해를 제공했습니다. 파트너 启用은 저에게 복잡한 사이버 보안 문제를 다양한 대상에게 의미 있는 방식으로 전달하는 방법을 가르쳐 주었습니다.

AttackIQ에서 적대자 에뮬레이션은 단순히 위협 행동을 재현하는 것이 아닙니다. 그것은 MITRE ATT&CK 프레임워크와 일치하고 적대자를忠實하게 에뮬레이션하여 조직이 실제 시나리오에서 방어를 테스트하는 것입니다. 이것은 기술적인 엄격성만이 아니라 교육, 협력, 보안 생태계의 이해관계자 启用을 필요로 합니다.

이전의 역할은 저에게 지능과 실행 사이의 간격을 어떻게 메꾸는지에 대한 이해를 제공했습니다. 위협 풍경을 어떻게 운영적으로 구현할 수 있는지에 대한 본질입니다.

현재 적대자 연구를 이끌고 계신데, 공격자가 대규모로 AI를 채택하고 있습니다. 최근 몇 년 동안 오픈소스 공격 전술은 어떻게 진화했으며, 방어자는 어떻게 따라잡지 못하고 있나요?

적대자는 공격의 속도, 정밀도, 규모를 증가시키기 위해 AI를 활용하고 있습니다. 우리는 더 개인화된 피싱 루어, AI 생성된 사회 공학, 공격의 규모와 효율성이 증가하는 것을 보이고 있습니다. 이러한 기능은 탐지와 응답의 창을 압축합니다. 많은 조직은 여전히 반응적인 프로세스와 정적 탐지 규칙에 의존하고 있습니다. 방어자는 지속적인 검증과 노출 관리를 채택하여 그 간격을 닫아야 합니다.

적대자 AI와 전통적인 사이버 위협을 구별하는 것은 무엇이며, 왜 도구뿐만 아니라 마음가짐의 변화가 필요하다고 생각하나요?

전통적인 위협은 알려진 패턴을 따르기 때문에 방어자가 추적하고 완화할 수 있습니다. 적대자 AI 전술은 가변성과 적응성을 도입하여 이러한 가정을 도전합니다. 그것은 새로운 공격 경로를 생성하고 방어를 동적으로 회피할 수 있습니다. 이를 해결하려면 도구를 배치하는 것 이상이 필요합니다. 방어에 대한 전략적인 사고 방식의 변화가 필요합니다. 사건 이후에 반응하는 대신, 보안 팀은 시뮬레이션을 통해 진화하는 위협을 예측해야 합니다.

AttackIQ는 어떻게 위협 인텔리전스를 실제 방어로 번역하며, 이것은 생성적 AI의 등장과 함께 어떻게 변경되나요?

전통적인 위협 인텔리전스의 도전은 운영적인 것입니다. 적대자 에뮬레이션은 이것을 해결합니다. 알려진 위협 행동에 대한 정보를 실행 가능한 테스트로 변환하여 현재 방어가 그것을 견딜 수 있는지 평가합니다. 생성적 AI로 인해 위협 풍경은 더 유동적이며, 더 가변적인 행동을 보입니다. 에뮬레이션은 정적인 기술뿐만 아니라 적응적이고 상황에 따른 행동을 반영해야 합니다.

지속적인 위협 노출 관리(CTEM)는 사이버 복원력 전략의 핵심 구성요소가 되고 있습니다. 조직은 빠르게 적응하는 AI 기반 위협에 직면하여 CTEM에 접근해야 합니다.

CTEM은 정적인 위험 평가에서 동적이고 지능驱動적인 보안 검증으로의 전환을 나타냅니다. AI 기반 위협에 직면하여 조직은 노출을 이동하는 목표로 취급해야 합니다. 즉, 실제 테스트에 기반하여 노출을 식별하고 우선순위를 정해야 합니다.

AttackIQ의 “AI 보안의 기초” 과정은 MITRE ATLAS 및 AI 위험 관리 프레임워크(AI RMF)와 같은 위험 프레임워크를 다룹니다. 이러한 프레임워크의 어떤 측면이 기업 환경에서 가장 잘못 이해되거나 활용되지 않는다고 생각하나요?

가장 일반적인 오해는 이러한 프레임워크가 단순한 참조 자료로 여겨지고, 실제 운영 도구로 사용되지 않는다는 것입니다. MITRE ATLAS는 정적인 공격 기술 카탈로그가 아니라, 보안 팀이 AI/ML 시스템을 대상으로 하는 위협을 시뮬레이션하고 검증할 수 있는 전술 적대자 에뮬레이션 프레임워크입니다.

OWASP Top 10 for LLMs는 새로운 취약성 클래스를 강조합니다. CISO는 이러한 위협 중 어느 것에 가장 준비가 안 되어 있는 것으로 생각하나요?

LLM03: 2025 공급망 취약성은 기존의 거버넌스와 기업의 신뢰 가정에 대한 臨界點을 악용하여 통제를 피할 수 있습니다. 전통적인 보안 프로그램은 소프트웨어 패키지와 코드 의존성에 초점을 맞추고 있지만, AI 모델은 데이터 자산으로 취급되어 동일한 검토를 받지 않습니다.

적대자가 AI를 채택함에 따라 적대자 에뮬레이션이 어떻게 진화하고, 우리는 시뮬레이션 기반의 보안 검증의 새로운 시대에 진입하고 있나요?

적대자가 AI를 통합함에 따라 적대자 에뮬레이션도 동적으로 적응하는 행동을 시뮬레이션해야 합니다. 적대자가 실제로 행동하는 방식으로 적대자를 모델링하여 테스트하고, 검증해야 합니다.

미래를 내다보며, 가장 우려되는 AI 위험은 무엇이며, 방어자가 곡선을 앞서갈 수 있는 가장 큰 기회는 어디에 있나요?

가장 우려되는 위험은 AI가 정교한 공격의 진입 장벽을 낮추는 것입니다. 이전에는 깊은 기술적인 기술이 필요한 공격이 이제는 대중화된 AI 도구를 통해 가능해졌습니다. AI는 정찰, 취약성 코드 생성, 맞춤형 피싱 캠페인 등을 자동화할 수 있습니다.

반면에, 방어자는 평행한 기회를 가집니다. 즉, 에뮬레이션을 자동화하고, 탐지를 가속화하고, 실제 위험에 기반하여 노출을 우선순위로 지정하여 적대자의 움직임을 예측할 수 있습니다.

감사합니다. 더 많은 정보를 원하는 독자는 AttackIQ를 방문할 수 있습니다.