Amazon Threat Intelligence의 연구원들은 현재까지 공격적인 해킹에서 자율 AI 에이전트의 가장 중대한 실제 사용이 무엇인지 문서화했습니다. 의심되는 중국 관련 공격자는 Cairn이라는 다중 에이전트 AI 플랫폼을 지시하여 대학 서버를 손상시켰고, 에이전트는 널리 사용되는 오픈 소스 의료 영상 애플리케이션에서 이전에 알려지지 않은 취약점을 독립적으로 발견하고 악용했습니다.

2026년 11월 20일 BleepingComputer가 처음 보고한 연구 결과는 인간 운영자가 AI 에이전트에게 "쉘 액세스 권한 획득"이라는 단 하나의 무뚝뚝한 명령을 내리고 에이전트가 나머지 작업을 수행하여 애플리케이션의 API를 매핑하고 MONAI 라벨에서 경로 통과 제로데이를 찾아 약 11분 만에 전체 서버 제어로 전환하는 캠페인을 설명합니다. 에이전트 AI의 보안 영향을 추적하는 조직의 경우 이론적 위험이 문서화된 공격 패턴이 되는 순간입니다. 이 이야기에 대한 자세한 내용은 인공지능 뉴스를 참조하세요.

공격은 어떻게 전개됐나

Amazon 연구원에 따르면 이 캠페인은 2026년 9월 8일부터 10일 사이에 진행되었으며 주로 중국 이외의 동아시아 교육 기관을 대상으로 했습니다. 이 작업은 특이한 방식으로 밝혀졌습니다. 공격자는 인증 없이 인터넷에서 공개적으로 액세스할 수 있는 자신의 Cairn 인스턴스를 남겨 두었고, 에이전트에 제공한 메시지와 에이전트가 수행한 로그를 포함하여 전체 해킹 작업을 효과적으로 노출시켰습니다.

Cairn은 연구 및 방어 목적으로 사이버 작전을 통해 여러 AI 에이전트를 조정하도록 구축된 합법적인 침투 테스트 플랫폼입니다. 이번 캠페인에서는 용도가 변경되었습니다. 의심되는 중국 넥서스 운영자는 에이전트를 인터넷 연결 서버로 지정하고 작업을 허용했습니다. 한 번의 성공적인 시퀀스에서 에이전트는 MONAI 레이블 배포의 API를 열거하는 것부터 약 11분 만에 경로 통과 결함을 적극적으로 악용하는 것으로 전환했는데, 이는 수동 침투 프로세스가 따라올 수 없는 속도입니다.

취약점 자체가 심각했습니다. MONAI Label은 연구자가 의료 이미지에 주석을 달 수 있도록 AI를 사용하는 오픈 소스 애플리케이션이며, 이 결함으로 인해 에이전트는 호스트 서버의 임의 위치에 파일을 쓸 수 있었습니다. 거기에서 에이전트는 Python이 시작될 때마다 자동으로 실행되는 'sitecustomize.py' 파일에 Python 리버스 셸을 작성한 다음 API 엔드포인트를 트리거하여 시스템에 대한 루트 액세스 권한을 얻었습니다.

모든 시도가 성공한 것은 아닙니다

이 보고서는 에이전트가 달성한 것뿐만 아니라 수행하지 못한 것에 대해서도 주목할 만합니다. 이는 과장이나 무시보다 에이전트 해킹 능력에 대한 보다 정확한 그림을 제공합니다.

Redis 서버를 장악하려는 한 가지 노력은 148개의 개별 작업에 걸쳐 16시간 동안 실행되었지만 실패했습니다. 또 다른 경우에는 대학 GPU 서버를 대상으로 하는 에이전트가 무차별 공격 없이 6시간 동안 30,000개 이상의 자격 증명 조합을 시도했습니다. 자율 에이전트는 빠르게 반복하고 결코 지치지 않지만 아직 보장된 스켈레톤 키는 아닙니다.

MONAI Label 손상이 성공한 후 인간 운영자는 에이전트에 동일한 취약한 소프트웨어를 실행하는 두 번째 대학 네트워크에 프록시를 제공하고 추가 시스템을 손상시키도록 지시했습니다. 에이전트가 발견과 착취를 수행하고 인간이 목표를 조종하는 이러한 운영자 패턴은 에이전트 도구가 주류로 자리잡은 이후 노동 보안 팀이 경고해 온 분할 방식입니다.

공개 및 대응

Amazon은 2026년 11월 18일에 보안 업데이트를 제공한 MONAI Label 유지 관리 담당자에게 취약점을 보고했습니다. 해당 일정은 참고할 가치가 있습니다. 악용은 9월에 발생했고 패치는 11월에 도착했습니다. MONAI Label을 운영하는 조직, 특히 대학 및 의학 연구 그룹은 업데이트된 릴리스가 있는지 즉시 확인해야 합니다.

Amazon 연구원들은 복구된 프롬프트의 언어, 활동 타임스탬프 및 대상 선택을 기반으로 이 캠페인이 중국 넥서스 위협 행위자의 소행이라고 판단했습니다. 또한 회사는 해당 활동과 관련된 두 개의 IP 주소(142[.]4.98.145 및 142[.]4.107.34)를 게시했습니다.

이상이 아닌 패턴

케언이 실제 목표에 반대한다는 보고는 이번이 처음이 아닙니다. 9월에 Gambit Security는 대규모 신용 카드 절도 작전의 일환으로 Cairn 남용 사례를 문서화했습니다. 최근 Google은 이 플랫폼이 미국 항공우주 조직에 대한 공격에 배포되었다고 보고했습니다. Amazon의 새 보고서에는 가장 놀라운 데이터 포인트가 추가되었습니다. 즉, 에이전트가 당시 공급업체에서 수정되지 않은 취약점에 대해 스스로 제로데이를 찾아 무기화했다는 것입니다.

방어자에 대한 Amazon의 경고는 직설적입니다. AI 에이전트는 보안 팀이 대응할 수 있는 것보다 더 빠르게 취약점을 찾아 악용할 수 있으며 조직은 수동 조사보다는 자동화된 방어에 더 집중해야 합니다. 패치 속도, 노출 관리 및 자동화된 탐지는 더 이상 모범 사례가 아니며 적의 반복 루프가 몇 분 안에 측정될 때 기본 요구 사항이 됩니다.

이 에피소드는 또한 이중 용도 AI 도구에 대한 지속적인 논쟁을 심화시킵니다. 케른은 방어를 강화하기 위해 존재합니다. 침투 테스터에게 유용하게 만드는 동일한 속성(자율성, 지속성, 병렬 탐색)은 공격 무기로서 효과적이었습니다. 더 많은 에이전트 프레임워크가 공개 배포됨에 따라 보안 커뮤니티는 액세스 제어, 배포 기본값, 사이버 운영 에이전트를 위한 조정 플랫폼에 고정이 아닌 내장된 가드레일이 필요한지 여부에 대한 질문을 다시 검토할 가능성이 높습니다.

현재로서는 실질적인 시사점은 더 좁지만 시급합니다. 알려지지 않은 취약점은 아무도 찾지 않기 때문에 안전하다는 가정은 더 이상 유효하지 않습니다. 자율 에이전트는 지속적으로 탐색하고 있으며 이제 발견과 활용 사이의 격차를 몇 분 안에 측정할 수 있습니다.

---

AI 최신 소식

최신 AI 뉴스, 분석 및 혁신을 한 곳에서 확인하세요.

AI 뉴스 더 보기 →