새로운 종류의 랜섬웨어 위협이 등장하다

랜섬웨어 운영자들은 전통적으로 빠르게 금전화할 수 있는 데이터베이스, 금융 기록, 고객 파일을 노려왔습니다. 그러나 JADEPUFFER로 추적되는 위협 행위자는 초점을 점점 더 기업이 비즈니스 운영에 의존하게 된 AI 모델과 학습 데이터라는 보다 전문화되고 어떤 면에서는 더 큰 피해를 줄 수 있는 대상으로 옮겼습니다.

최근 보도에 따르면, JADEPUFFER는 자동화된 데이터베이스 갈취에서 목적 지향적인 AI 모델 파괴로 수위를 높였으며, Go 언어로 제작된 ENCFORGE라는 맞춤형 랜섬웨어를 배포하고 있습니다. 이 멀웨어는 단순히 몸값을 위해 파일을 잠그는 것에 그치지 않고, 조직이 머신 러닝 운영에 의존하는 훈련된 모델과 데이터 세트를 암호화하여 사실상 파괴하도록 설계되었습니다. 이 차이는 중요합니다. 데이터베이스는 비교적 빠르게 백업에서 복구할 수 있는 경우가 많습니다. 수개월 또는 수년에 걸쳐 선별된 데이터와 컴퓨팅 투자로 구축된 훈련된 AI 모델은 대체하기가 훨씬 더 어렵습니다.

AI 인프라가 새로운 표적이 된 이유

이 캠페인이 주목할 만한 이유는 단순히 페이로드 때문이 아니라 전달 메커니즘 때문입니다. JADEPUFFER는 자동화된 에이전트 기반 침투 방식을 사용하는 것으로 기록되어 왔으며, 이들의 도구가 AI 인프라를 직접적으로 강타한 것은 이번이 처음이 아닙니다. 앞서 랜섬웨어를 배포하기 전에 발판을 마련하기 위해 AI 에이전트 워크플로우를 구축하고 조정하는 오픈 소스 플랫폼인 Langflow의 취약점을 악용한 관련 캠페인이 이미 있었습니다. Langflow CVE-2025-3248 결함을 통해 AI 서버를 공격한 Encforge 랜섬웨어에 대한 보도에서 자세히 다룬 그 초기 사건은 공격자들이 AI 개발 도구와 파이프라인을 단순한 부차적 대상이 아닌 진입점으로 적극적으로 찾고 있다는 일관된 패턴을 보여줍니다.

이 점은 사내 ML 파이프라인을 운영하는 기업이든, 추천 엔진이나 챗봇 훈련에 개인 정보가 사용된 소비자든 AI 시스템과 데이터가 연결된 모든 이에게 중요합니다. AI 파이프라인은 모델을 훈련하고 미세 조정하는 과정에서 사용자 행동 로그부터 독점 비즈니스 기록에 이르기까지 민감한 데이터를 수집하고 저장하는 경우가 많습니다. 랜섬웨어가 해당 파이프라인을 표적으로 삼을 때의 위험은 단순히 운영이 중단되는 것에 그치지 않습니다. 개인 정보나 민감한 정보를 잠재적으로 포함하는 기반 데이터가 암호화되기도 전에 노출되거나 유출되거나 완전히 손실될 수 있다는 점입니다.

일반적인 데이터베이스 갈취에서 표적화된 AI 모델 파괴로의 진화는 또한 주목할 만한 더 넓은 추세를 시사합니다. 공격자들은 AI 인프라를 고가치, 고레버리지 표적으로 간주하고 있다는 것입니다. 학습 데이터와 모델은 상당한 투자를 대표하며, 기존의 백업 및 복구 프로세스로 기존 데이터베이스보다 덜 보호받는 경우가 많아 갈취에 매력적인 표적이 됩니다.

이것이 의미하는 바

AI 도구를 사용하는 비즈니스나 개발자라면, 이번 사건은 그러한 시스템이 어떻게 보호되고 있는지 재평가하라는 신호입니다. Langflow와 같은 플랫폼과 유사한 조정 도구는 점점 더 실험적 샌드박스가 아닌 프로덕션 환경의 일부가 되고 있으며, 고객 대면 시스템과 동일한 엄격함으로 패치되고 모니터링되어야 합니다. CVE-2025-3248과 같은 취약점은 AI 워크플로우 도구의 단 하나의 패치되지 않은 결함이 완전한 랜섬웨어 배포의 진입점이 될 수 있음을 보여줍니다.

일반 사용자와 소비자에게 시사점은 보다 간접적이지만 여전히 중요합니다. 더 많은 서비스가 사용자 데이터로 훈련된 AI 모델에 의존함에 따라, 학습 데이터를 파괴하거나 유출하는 공격은 파급 효과를 일으켜 정기적으로 사용하는 서비스의 개인정보 보호 및 가용성에 영향을 미칠 수 있습니다. 이는 우리가 사용하는 앱과 플랫폼 뒤에 있는 AI 시스템의 보안이 앱 자체의 보안만큼이나 중요하다는 또 다른 일깨움입니다.

AI 표적 랜섬웨어에 대한 방어 태세 구축

AI 인프라를 운영하는 조직은 모델 파일과 학습 데이터 세트를 일반 IT 백업과 분리된 전용 백업 및 복구 계획이 필요한 중요 자산으로 취급해야 합니다. AI 개발 환경과 프로덕션 시스템 간의 네트워크 세분화는 초기 침투 후 공격자가 이동할 수 있는 범위를 제한할 수 있습니다. AI 조정 플랫폼의 정기적인 패치, ML 파이프라인에 특화된 신속한 사고 대응 계획 수립, 저장 데이터 암호화는 모두 이와 같은 캠페인에 대한 노출을 줄이는 실질적인 조치입니다.

JADEPUFFER가 ENCFORGE 랜섬웨어로 전환한 것은 공격자들이 이제 단순히 고객 데이터베이스가 아닌 그 위에 구축된 AI 시스템에 가치가 있음을 인식하고 적응하고 있다는 분명한 신호입니다. 이러한 변화에 앞서 나간다는 것은 AI 인프라 보안을 부차적인 생각이 아닌 핵심 우선순위로 다루는 것을 의미합니다.

실행 가능한 교훈:

  • AI 조정 및 워크플로우 플랫폼, 특히 Langflow의 CVE-2025-3248과 같은 알려진 결함을 신속하게 패치하십시오.
  • 일반 데이터베이스뿐만 아니라 학습된 모델과 학습 데이터 세트에 대해 별도로 테스트된 백업을 유지하십시오.
  • AI 개발 및 학습 환경을 프로덕션 네트워크에서 분리하여 수평 이동을 제한하십시오.
  • 전통적인 데이터 침해뿐만 아니라 ML 파이프라인 침해를 구체적으로 고려한 사고 대응 계획을 수립하십시오.
  • 저장된 민감한 학습 데이터를 암호화하고 AI 인프라 주변의 비정상적인 활동에 대한 접근 로그를 모니터링하십시오.