Aurora 랜섬웨어 운영자, 10개 네트워크에서 AI 코딩 에이전트 사용

Gambit Security가 Aurora 작전 내부에서 발견한 것

Gambit Security의 위협 인텔리전스 연구원들이 Aurora 랜섬웨어 작전에 대한 상세한 기록을 공개했으며, 그 findings는 랜섬웨어 조직들이 작업하는 방식에 있어 주목할 만한 변화를 드러낸다. 보고서에 따르면, 연구팀은 약 6주 분량의 세션 로그를 확보했으며, 이 로그는 인간 운영자가 인기 있는 AI 코딩 에이전트인 Cursor를 이용해 손상된 시스템 내부에서 직접 활동을 주도한 내용을 보여준다. 이 로그는 10개의 별도 피해자 네트워크에서의 활동을 포괄하며, 연구원들에게 AI 코딩 에이전트 기반 랜섬웨어 캠페인이 이론이 아닌 실제로 어떻게 전개되는지에 대한 비정상적으로 상세한 창을 제공한다.

이 기록이 중요한 이유는 단순히 규모 때문만이 아니라(10개 네트워크는 단일 문서화된 캠페인으로서 의미 있는 표본 크기다), 운영자의 작업 흐름에 대한 가시성 수준 때문이다. Gambit Security의 연구원들은 사후에 포렌식 증거를 맞추는 대신, 운영자가 장기간에 걸쳐 AI 도구와 어떻게 상호작용했는지를 포착한 세션별 로그를 검토할 수 있었다. 이러한 종류의 종단 데이터는 랜섬웨어 연구에서 드물며, 방어자들에게 이러한 도구들이 실제 침해에 어떻게 통합되는지에 대한 더 선명한 그림을 제공한다.

Cursor의 AI 코딩 에이전트가 Aurora 랜섬웨어 공격 체인을 어떻게 가속화했는가

Cursor는 합법적인 소프트웨어 개발자들을 위한 생산성 도구로 설계되었으며, AI 기반 코딩 어시스턴트 역할을 통해 코드를 더 빠르게 작성, 디버깅, 개선하도록 돕는다. Aurora 사례는 동일한 기능이 랜섬웨어 운영자에 의해 피해자 환경 내부의 작업 속도를 높이는 데 전용되었음을 보여준다. 운영자는 모든 스크립트를 수동으로 작성하거나 각 기술적 장애물을 직접 해결하는 대신, AI 에이전트를 힘 배율 도구(force multiplier)로 사용하여 반복적이거나 기술적으로 까다로운 작업을 처리하게 하고 인간은 전반적인 전략을 지휘한 것으로 보인다.

이 패턴은 보안 연구원들이 계속 경고해 온 광범위한 추세와 일치한다: AI 코딩 도구는 정교한 침해를 수행하는 데 필요한 기술적 진입 장벽을 낮춘다. 운영자는 AI 에이전트가 요청에 따라 코드를 생성, 조정, 문제 해결할 수 있다면 전문 스크립터나 악성코드 개발자일 필요가 없다. Aurora 로그는 이것이 일회성 실험이 아니었음을 시사한다. 10개 네트워크에 걸친 6주간의 지속적인 사용은 운영자가 반복적으로 개선하고 의존해 온 작업 흐름을 가리키며, 한 번 시도하고 버린 새로운 것이 아님을 보여준다.

AI 지원 vs. 완전 자율 랜섬웨어: 이 사례의 위치

Aurora 사례가 실제로 무엇을 대표하는지 정확히 하는 것이 중요하다. 이것은 스스로 실행되는 랜섬웨어 공격의 예가 아니다. 인간 운영자가 분명히 운전석에 있었고, 개발자가 코딩 작업 속도를 높이기 위해 어시스턴트에 의존하는 것과 유사하게, AI 에이전트를 더 빠르게 움직이고 기술적 난관을 해결하는 도구로 사용했다. 이는 Aurora를 완전 자율 범주가 아닌 AI 지원 범주에 확실히 위치시킨다.

이 구분은 연구원들이 스펙트럼의 더 나아간 사례들도 문서화했기 때문에 중요하다. Sysdig는 최초의 완전 자율 AI 랜섬웨어 공격으로 묘사한 사례를 보고했으며, 여기서 AI 에이전트는 실시간 인간 지시가 거의 또는 전혀 없이 침해를 수행했다. Sysdig의 연구원들은 또한 JADEPUFFER라는 캠페인을 문서화했는데, 여기서 대규모 언어 모델이 의료 대상 공격의 상당 부분을 지휘했으며, 이후 같은 위협 행위자가 AI 모델 자체를 겨냥한 새로운 랜섬웨어 도구를 구축하는 것을 추적했다. 종합적으로 볼 때, Aurora와 이러한 자율 사례들은 스펙트럼을 그려낸다: 한쪽 끝에는 AI를 가속제로 사용하는 인간 운영자, 다른 쪽 끝에는 점점 더 독립적으로 작동하는 AI 에이전트가 있다. Aurora는 스펙트럼의 지원된 끝에서조차 이미 실제 다중 피해자 캠페인을 생산하고 있음을 보여준다.

이것이 당신에게 의미하는 바

대부분의 조직에게 즉각적인 위험은 AI 에이전트가 하룻밤 사이에 단독으로 네트워크를 랜섬웨어로 감염시키는 것이 아니다. 오히려 이미 어느 정도 접근 권한이나 기술적 능력을 가진 공격자들이 이제 더 빠르게 움직이고 같은 시간 창에 더 많은 표적을 타격할 수 있다는 점이다. 이는 침해가 초기 발판에서 전체 네트워크 손상으로 진행되는 속도에 대한 계산을 바꾸며, 초기 침입 차단에만 의존하는 대신 조기 탐지에 더 큰 압력을 가한다.

이 사례에서 몇 가지 방어 우선순위가 두드러진다. 강력한 자격 증명 위생은 여전히 기본이며, AI 도구는 스스로 새로운 접근을 만들지 않으므로 여전히 유효한 자격 증명이나 기존 발판이 네트워크 내에서 작동하는 데 필요하다. 네트워크 세분화는 운영자가 AI 지원 여부와 관계없이 내부에 진입한 후 이동할 수 있는 범위를 제한하여 피해를 환경의 더 작은 부분으로 한정한다. 그리고 비정상적인 도구 사용(존재해서는 안 되는 상황에서 실행되는 AI 코딩 에이전트 포함)을 모니터링함으로써 보안 팀은 AI 지원 활동이 전체 랜섬웨어 사건으로 확대되기 전에 포착할 기회를 얻는다.

핵심 요점

• 랜섬웨어 운영자들은 실험에 그치지 않고 Cursor와 같은 AI 코딩 에이전트를 실제 침해 속도를 높이는 데 적극적으로 사용하고 있다.
• 6주 동안 10개의 피해자 네트워크에 걸쳐 문서화된 Aurora 캠페인은 완전 자율이 아닌 인간 지휘 AI 지원을 대표한다.
• 자격 증명 위생, 네트워크 세분화, 예상치 못한 AI 도구 활동 모니터링은 조직이 지금 취할 수 있는 실질적인 조치다.
• 캠페인이 AI 지원에서 완전 자율에 이르는 스펙트럼의 어디에 위치하는지 이해하면 보안 팀이 단일 도구에 의존하는 대신 적절한 계층형 방어를 조정하는 데 도움이 된다.