본문으로 건너뛰기
Hacker News - LLM

Anthropic이 분석한 AI 기반 사이버 위협: LLM ATT&CK Navigator 인사이트

Anthropic은 832개의 악성 계정을 분석하여 AI가 사이버 공격의 준비 단계뿐만 아니라 실행 단계까지 자동화하고 있으며, 특히 에이전트 기반의 자율적 공격 체인 구성이 위험도를 높이는 핵심 요인임을 확인했다.

섹션별 상세

공격자들은 주로 T1587(Develop Capabilities)을 활용해 악성 스크립트 작성, 난독화, 데이터 수집 등 공격 준비 단계에서 AI 모델을 사용한다.
공격자가 가장 많이 사용하는 상위 25개 기술 분포.
ChartT1587(Develop Capabilities)이 가장 높은 빈도로 관찰되어, 공격자들이 AI를 주로 공격 도구 개발에 사용함을 보여준다.
전체 TTP 관찰 중 전술별 비중.
Chart방어 회피(Defense Evasion)가 가장 높은 비중을 차지하여, 공격자들이 AI를 탐지 우회 목적으로 가장 많이 활용함을 나타낸다.
연구 기간 전반기와 후반기의 위험 카테고리 분포 변화.
Chart중위험군 이상의 공격자 비율이 후반기에 급증하여, AI 기반 공격이 더 위험해지고 있음을 보여준다.
근거
  • 중위험군 이상의 공격자 비율이 33%에서 56%로 증가했다. — Key findings 섹션
위험도가 높은 공격자일수록 측면 이동(Lateral Movement), 자격 증명 탈취(Credential Dumping), 웹 쉘 배포 등 실무 단계에서 AI를 적극적으로 활용한다.
전술별 평균 공격자 위험 점수.
Chart측면 이동(Lateral Movement)이 가장 높은 위험 점수를 기록하여, 이 전술을 사용하는 공격자가 가장 위험함을 시사한다.
공격자별 기술 및 전술 커버리지 분포.
Chart공격자당 평균 16개의 기술을 사용하며, 기술의 다양성보다는 특정 고위험 기술 사용 여부가 위험도를 결정함을 보여준다.
근거
  • 측면 이동을 수행한 공격자의 위험 점수는 평균 56.4점으로 전체 평균인 46.8점보다 10점 가까이 높다. — High-risk actors and their tactics 섹션
AI Risk Enablement Score(ARiES)를 통해 분석한 결과, 기술적 숙련도보다 AI 에이전트를 활용해 공격 단계를 자율적으로 연결하는 능력이 위험도를 결정하는 핵심 지표로 나타났다.
특정 사례(GTG-1002)에서 확인된 바와 같이, Claude Code와 MCP 서버를 결합하여 정찰부터 데이터 탈취까지 인간 개입 없이 자율적으로 수행하는 공격 패턴이 등장했다.
기존 MITRE ATT&CK 프레임워크는 개별 기술은 포착하지만, AI 에이전트의 자율적 의사결정과 공격 체인 자동화와 같은 고차원적 행위를 설명하는 데 한계가 있다.

기술

  • Claude
  • Claude Code
  • MITRE ATT&CK
  • MCP

활용 사례

  • 사이버 위협 인텔리전스 분석
  • AI 오용 탐지 시스템 구축
  • 보안 정책 수립
AI 분석 전체 내용 보기

AI 요약 · 북마크 · 개인 피드 설정 — 무료

출처 · 인용 안내

원문 발행 2026. 06. 03.수집 2026. 06. 03.출처 타입 RSS

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