All About AI조회 10회

Claude Code를 활용한 자동 연구 해커: 내 웹사이트를 뚫을 수 있을까?

Claude Code를 활용해 웹사이트의 취약점을 자동으로 탐색하고 공격 전략을 최적화하는 자율형 레드팀 에이전트 시스템을 구축하고 테스트한다.

챕터별 상세

00:00

Autoresearch Hacker 컨셉 소개

안드레아 카파시의 자동 연구 개념을 해킹에 접목한 프로젝트를 소개한다. AI 에이전트가 자동으로 웹사이트의 유료 콘텐츠인 .md 파일을 탈취하려 시도하며, 고정된 점수 함수를 통해 각 시도의 성공 여부를 0점에서 100점 사이로 평가한다. 더 나은 공격 방식은 유지하고 실패한 방식은 버리면서 에이전트가 시간이 지남에 따라 더 똑똑해지는 구조이다.

01:22

Claude Code 및 환경 설정

Claude Code를 화이트햇 보안 연구원인 'Neo7z7'로 설정하여 레드팀 운영을 지시한다. 웹 애플리케이션 정찰, 요청 분석, 공격 표면 매핑 등의 기술을 정의한 .md 파일들을 에이전트에게 제공한다. 브라우저 자동화 도구를 결합하여 에이전트가 실제 웹 환경에서 네트워크 요청을 가로채고 분석할 수 있는 환경을 구축했다.

02:30

자동화 루프 설계 및 실행

공격 루프는 에이전트가 이전 결과를 읽고 새로운 공격 아이디어를 선택한 뒤 attack.sh 파일을 재작성하는 방식으로 작동한다. 작성된 스크립트를 실행하여 2분에서 5분 동안 공격을 시도하고, evaluate.sh를 통해 결과를 점수화한다. 점수가 개선되면 해당 변경사항을 Git에 커밋하고, 그렇지 않으면 리셋하여 최적의 공격 경로를 찾아간다.

bash

File          Role
program.md    Instructions - tells the AI what to do
prepare.sh    One-time setup - checks everything works
attack.sh     The attack script - this is what gets changed each round
evaluate.sh   Scores the attack 0-100 - did we get the .md files?
results.tsv   Log of every attempt
findings.md   What we've learned so far

자동화된 해킹 루프를 구성하는 주요 파일 구조와 각 파일의 역할 정의

04:09

1차 테스트 결과 분석

11번의 실행 결과, 헤더와 경로 조작 등에서 일부 점수를 획득했으나 결정적인 콘텐츠 탈취에는 실패했다. Stripe 결제 세션 확인, 캐시 정적 페이지 분석 등을 시도했으나 사이트의 방어 체계가 견고함을 확인했다. 에이전트는 테스트되지 않은 IDOR이나 체크아웃 취약점을 다음 단계로 제안했다.

05:18

Codex를 활용한 공격 고도화

더 정교한 공격을 위해 Codex(GPT-5.4 모델 설정)를 활용하여 기존 발견 사항을 검토하고 새로운 실험 아이디어를 도출한다. Codex는 실제 구매한 토큰을 활용한 리플레이 공격, 세션 스토리지 및 쿠키 분석 등 우선순위가 높은 실험들을 제안했다. 이 제안을 다시 Claude Code에 입력하여 공격 스크립트를 업데이트하고 테스트를 재개했다.

08:00

최종 보안 리포트 및 결론

총 16번의 실험 끝에 토큰 없이 .md 파일에 접근하는 것은 불가능하다는 최종 결론에 도달했다. 구매 후 발급되는 토큰이 특정 IP에 바인딩되지 않아 공유 가능성이 있다는 중간 위험도를 발견했으나, 10분 내 3회 다운로드 제한이 정상 작동함을 확인했다. 에이전트는 사이트가 잘 방어되고 있음을 입증하며 실험을 마무리했다.

용어 해설

레드팀(Red Teaming): — 조직의 보안 취약점을 발견하기 위해 적대적인 공격자의 관점에서 시스템을 공격하고 검증하는 시뮬레이션 과정이다. AI 에이전트를 활용해 이 과정을 자동화함으로써 인간이 놓칠 수 있는 논리적 결함이나 보안 허점을 체계적으로 탐색할 수 있다.
침투 테스트(Penetration Testing): — 컴퓨터 시스템, 네트워크 또는 웹 애플리케이션의 보안 취약점을 찾아내기 위해 승인된 모의 해킹을 수행하는 기술이다. 실제 공격이 발생하기 전에 취약점을 파악하여 방어 체계를 강화하는 데 필수적인 역할을 한다.
자동 연구(Autoresearch): — 안드레아 카파시가 제안한 개념으로, AI가 스스로 가설을 세우고 실험을 수행하며 결과를 평가하여 다음 단계로 발전하는 자율적 루프이다. 이 영상에서는 보안 공격 시나리오를 생성하고 최적화하는 과정에 이 메커니즘을 적용했다.
취약점(Vulnerability): — 정보 시스템의 설계, 구현, 운영 또는 내부 통제에 존재하는 약점으로, 공격자가 이를 악용하여 시스템의 보안 정책을 위반할 수 있다. AI 에이전트는 코드 분석과 동적 테스트를 통해 이러한 약점을 자동으로 식별한다.

언급된 리소스

Demoskillsmd.store

API DocsClaude Code

AI 분석 전체 내용 보기

AI 요약 · 북마크 · 개인 피드 설정 — 무료

출처 · 인용 안내

원문 발행 2026. 03. 24.수집 2026. 03. 24.출처 타입 YOUTUBE

인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.