AI 인프라, 랜섬웨어의 다음 표적이 되다

새롭게 기록된 공격 패턴이 보안 팀의 랜섬웨어 인식을 바꾸고 있습니다. Veracode의 CISO 전용 브리핑에 따르면, 연구진은 대규모 언어 모델(LLM)이 사람이 직접 단계별로 작업하지 않고 취약점 공격을 자율적으로 주도하는 이른바 에이전틱 랜섬웨어 작전을 확인했습니다.

이 활동의 중심에 있는 취약점은 CVE-2025-3248로, AI 워크플로우를 구축하고 조율하는 오픈소스 도구인 Langflow의 결함입니다. 사람이 직접 움직이는 위협 행위자가 초기 접근부터 몸값 요구까지 천천히 진행하는 전통적인 공격 체인 대신, 이번 캠페인은 LLM이 주도하는 프로세스가 취약점 익스플로잇, 자격 증명 탐지, 수평 이동, 데이터 파괴를 빠르게 연속 수행하는 모습을 보여줍니다. 그 결과 기존의 사고 대응 플레이북이 감당할 수 있는 속도보다 훨씬 빠르게 공격이 전개됩니다.

Langflow 공격 체인 내부

브리핑은 Langflow 취약점에 대한 자율적 익스플로잇으로 시작되는 다단계 순차 공격을 설명합니다. 거기서부터 자격 증명 탐지로 넘어가 공격자가 환경 내 접근 권한을 확장할 수 있게 합니다. 이어서 수평 이동이 일어나고, 이를 통해 공격자는 감염된 AI 인프라와 연결된 추가 시스템까지 손에 넣습니다.

내부에 침투하면 공격은 AI 산출물과 데이터베이스를 직접 겨냥해 암호화하고 관련 테이블을 삭제한 뒤 몸값을 요구합니다. 이는 점점 더 의존도가 높아지는 AI 인프라, 즉 모델, 데이터셋, 지원 데이터베이스 자체를 인질로 잡을 만한 핵심 자산으로 취급한다는 점에서 주목할 만합니다. AI 프레임워크 위에 제품, 파이프라인, 내부 도구를 구축해 온 기업에게 이는 단순한 데이터 노출 위험이 아니라 운영 연속성에 대한 직접적인 위협으로 다가옵니다.

이번 사태가 개인정보 보호 및 보안 전문가에게 중요한 이유는 공격 일정의 압축입니다. LLM이 정찰, 익스플로잇, 갈취 단계를 독립적으로 연결할 수 있다면, 방어자가 탐지하고 대응할 시간이 대폭 줄어듭니다. 또한 경험이 부족한 공격자라도 이전에는 숙련된 인력이 필요했던 복잡한 다단계 갈취 캠페인을 실행할 수 있는 기술적 진입 장벽이 낮아집니다.

공급망 속도가 그 어느 때보다 중요한 이유

이 사건은 고립된 사례가 아닙니다. 공격과 침해 규모를 가속화하는 자동화라는 더 큰 흐름을 반영합니다. 메갈로돈 공격, 6시간 만에 5,561개 GitHub 리포지토리 감염 캠페인에서도 공격자는 자동화된 도구를 이용해 단기간에 엄청난 수의 리포지토리에 수천 개의 악성 코드 업데이트를 퍼뜨렸습니다. 자동화가 스크립트화된 CI/CD 남용에서 비롯되었든, LLM이 독립적으로 공격 체인을 실행한 결과이든, 근본적인 교훈은 같습니다. 방어자는 이제 익스플로잇이 공개된 후 대응까지 며칠이나 몇 주가 걸릴 거라고 가정할 수 없습니다.

이러한 긴박함은 패치 관리의 기본기에도 새롭게 무게를 싣습니다. 공격 도구가 점점 더 정교해지고 있지만, 이러한 캠페인의 상당수는 여전히 대상 환경에서 아직 패치되지 않은 알려진 공개 취약점에서 시작됩니다. Microsoft의 자체 한 번의 업데이트로 570개의 버그를 수정한 기록에서 드러나듯 최근 패치 주기의 규모는 보안 팀이 단순히 최신 상태를 유지하기 위해 얼마나 많은 영역을 감당해야 하는지 보여줍니다. Langflow와 같은 AI 프레임워크를 운영하는 조직이라면 이러한 도구의 취약점 공개를 핵심 인프라 소프트웨어에 전통적으로 부여했던 것과 동일한 긴급성으로 다루어야 합니다.

이것이 의미하는 바

조직에서 Langflow나 유사한 AI 오케스트레이션 도구를 사용하고 있다면, 이번 사태는 CVE-2025-3248에 대한 패치 상태를 확인하고 AI 시스템 주변에 자격 증명 관리 및 네트워크 세분화 제어가 갖춰져 있는지 확인하라는 직접적인 경고입니다. Langflow 외에도 더 넓은 교훈은 적용됩니다. 모델 저장소, 학습 데이터베이스, 파이프라인 오케스트레이션 도구를 포함한 AI 인프라는 이제 랜섬웨어 운영자에게 인식된 표적이므로, 기존 생산 시스템을 다루는 것과 동일한 자산 목록, 백업 전략, 사고 대응 계획에 포함되어야 합니다.

AI 도구를 실험하는 개인 사용자나 소규모 팀에게도 비슷한 시사점이 규모만 작을 뿐 동일하게 적용됩니다. 자체 호스팅하는 모든 AI 도구는 즉시 업데이트하고, 필요한 경우에만 외부에 노출하며, 인터넷에 연결된 서비스를 모니터링하는 것과 동일한 방식으로 관찰해야 합니다.

실행 가능한 조치

  • 모든 Langflow 배포에서 CVE-2025-3248을 즉시 패치하고 표준 변경 관리 프로세스를 통해 업데이트를 검증하세요.
  • 데이터베이스, 모델 산출물, 오케스트레이션 도구를 포함한 모든 AI 인프라의 목록을 작성하고 백업 및 재해 복구 계획에 명시적으로 포함하세요.
  • 공격 체인이 초기 익스플로잇 이후 자격 증명 탐지에 크게 의존하므로 AI 시스템 주변의 자격 증명 관리를 강화하세요.
  • 침해 발생 시 수평 이동을 제한하기 위해 AI 인프라를 더 넓은 회사 네트워크에서 분리하세요.
  • 인간 속도의 적 행동을 가정하는 대신 더 빠르고 자동화된 공격 일정에 대응할 수 있도록 사고 대응 플레이북을 검토하세요.

에이전틱 랜섬웨어는 아직 초기 단계의 범주이지만, 이번 캠페인에서 드러난 속도와 자율성은 보안 팀이 위협이 더 성숙해지기를 기다리지 말고 지금 적응해야 한다는 점을 분명히 보여줍니다. 패치 최신 상태 유지, AI 시스템 분리, AI 인프라를 핵심 비즈니스 자산으로 취급하는 것은 모든 조직이 오늘 당장 실천할 수 있는 현실적인 조치입니다.